Modèle hybride pour la prédiction de la résistance au cisaillement des connecteurs en U dans du béton ordinaire et à haute résistance

Abstract

Les structures mixtes acier-béton sont largement utilisées en génie civil en raison de leurs performances mécaniques optimisées. La résistance au cisaillement des connecteurs en U (Channel Connectors), qui assurent la liaison entre la poutre en acier et la dalle en béton, constitue un paramètre clé dans le dimensionnement de ces structures. Les modèles analytiques traditionnels, notamment ceux proposés par l’Eurocode 4, présentent des limites en termes de précision et de capacité de généralisation. Ce travail propose une approche hybride d’apprentissage automatique pour la prédiction de la résistance au cisaillement des connecteurs en U ancrés dans du béton ordinaire et à haute résistance. Une base de données de 618 essais expérimentaux de cisaillement par poussée, compilés à partir de la littérature scientifique, a servi de support à l’élaboration des modèles. Cinq algorithmes de régression ont été sélectionnés et optimisés via GridSearchCV avec une validation croisée à 5 plis : forêt aléatoire (Random Forest), XGBoost, régression par vecteurs de support (SVR), perceptron multicouche (MLP) et k-plus proches voisins (k-NN). Ces modèles ont ensuite été combinés au sein d’un méta-modèle de stacking basé sur la régression Ridge, le tout implémenté en Python via Jupyter Notebook. Le modèle de stacking a obtenu les meilleures performances avec R2 = 0.8974, MAE = 20.44 kN et RMSE = 50.55 kN sur le jeu de test. La validation croisée et l’analyse des résidus ont confirmé la stabilité et la fiabilité des modèles développés. Ce travail démontre l’efficacité des techniques de Machine Learning comme alternative rapide et précise aux formules empiriques pour le dimensionnement des structures mixtes