我校土木建筑工程学院谭本坤老师在国际结构工程领域高水平期刊《Engineering Structures》（SCI JCR Q1/中科院一区TOP，IF 6.4）发表题为“Physics-informed stacking ensemble machine learning for fatigue life prediction of stud connectors in steel-concrete composite structures”的研究论文。论文第一作者为谭本坤老师，中南林业科技大学王达教授为通讯作者。该研究提出了一种面向钢-混组合结构栓钉连接件疲劳寿命预测的物理信息融合Stacking集成机器学习方法，为组合结构疲劳性能评估、设计优化与服役安全保障提供了新途径。
钢-混组合结构广泛应用于桥梁与建筑工程中，栓钉连接件是实现组合受力的关键部件，其疲劳性能直接关系结构安全。针对传统方法在复杂工况下预测精度有限的问题，研究团队基于300余组推出疲劳试验数据，构建了疲劳寿命预测数据库，并融合断裂力学物理信息与多种机器学习模型，显著提升了预测精度和泛化能力。此外，团队结合Morris方法、Sobol方法和SHAP分析，识别了影响栓钉疲劳行为的关键因素，揭示了各参数与疲劳寿命之间的非线性关系，并开发了可视化图形界面工具，便于工程人员快速开展疲劳寿命评估。该成果对钢-混组合结构设计优化、养护管理和安全评估具有积极意义。(一审：潘鸿烨 二审：黄思清 终审：刘国灿)
