기존의 녹슨 띠철근으로 구속된 콘크리트 단축압축 응력-변형률 곡선의 피크 특성 파라미터 계산 모델은 데이터 세트 간의 일반화 능력이 부족한 문제가 있어 실제 공학적 적용에 큰 제약을 받고 있다. 112개의 원형 단면 녹슨 띠철근으로 구속된 콘크리트 기둥에 대한 축방향 압축 시험 데이터를 바탕으로, 응력-변형률 곡선의 피크 응력과 피크 변형률을 예측 목표로 하여, 서포트 벡터 회귀(SVR), 인공신경망(ANN), 극한 그래디언트 부스팅(XGBoost), K-최근접 이웃(KNN), 카테고리 부스팅(CATboost), 랜덤 포레스트(RF) 등 6가지 알고리즘을 각각 적용하여 예측 모델을 구축하고 SHAP 방법을 이용한 해석 가능성 분석을 수행하였다. 결과는 SVR이 피크 응력과 피크 변형률 예측에서 모두 최고의 성능을 보였으며, 테스트 집합에서 결정계수(R²)가 각각 0.940과 0.938에 달함을 보여주었다. SHAP 분석 결과, 철근 순단면적과 항복강도 저감을 고려하더라도 세로철근과 띠철근의 부식은 녹슨 띠철근으로 구속된 콘크리트의 축 방향 역학 특성에 무시할 수 없는 추가적인 영향을 미치는 것으로 나타났다. 기존의 경험적 모델과 비교할 때, 구축된 모델은 피크 특성 파라미터 예측 정밀도가 더 우수하며 좋은 일반화 능력을 나타냈다.

녹슨 띠철근;철근 콘크리트;기계 학습;단축압축 성능;피크 특성 파라미터;구성 모델