模块化装配式网壳结构具有施工效率高、节点质量好等优点,其具有广泛的应用前景.基于机器学习方法,建立了新型法兰节点模块化装配式网壳结构的稳定承载力智能化预测模型.首先,针对影响稳定极限承载力的一系列参数,分析了864个模块化装配式网壳的有限元模型,从而生成机器学习算法所需的数据库.其次,基于开源平台Scikit-learn建立了6种机器学习算法模型,使用生成的数据库对所有算法模型进行训练和测试,并且对深度神经网络模型(ANN)、XGBoost和梯度增强算法模型进行了过拟合检验,对ANN模型进行了鲁棒性和可靠性检验.结果表明,在测试集中ANN、XGBoost和梯度增强算法模型预测极限承载力的决定系数(R2)均大于0.95,预测稳定承载力的精度很高.采用ANN模型预测稳定承载力的鲁棒性和精度均最好,平均绝对百分比误差(MAPE)为7.1％,R2为0.982,具有很高的预测准确性和泛化能力,能够很好地捕捉稳定承载力和输入参数之间的复杂映射关系.