پیشبینی استحکام ستون اهمیت زیادی دارد چرا که شکست ستون میتواند منجر به حوادث بزرگ شود. در این مقاله، یک مدل افزایش گرادیان تصادفی (SGB) برای طبقهبندی استحکام ستون به کار گرفته شد. پنج عامل پتانسیلی مرتبط، از جمله عرض ستون، ارتفاع ستون، نسبت عرض ستون به ارتفاع ستون، مقاومت فشاری یک محدوده صخره و استرس ستون، برای ایجاد سیستم ارزیابی انتخاب شد. 205 نمونه ستون جمعآوری شدند و یک مدل SGB با آموزش 80٪ از دادههای اصلی (165 نمونه) ایجاد شد و مقادیر بهینه پارامترهای مدل با روش 10-fold cross-validation بهدست آمدند. مجموعه آزمایش خارجی (با 40 نمونه) برای اعتبارسنجی امکانات مدل SGB استفاده شد. دقت و تحلیل کاپا، همراه با سه معیار داخلی طبقهبندی (recall، precision، و F-measure) و منحنی مشخصات عملکرد به منظور ارزیابی عملکرد مدل بهینه SGB، رندوم فارست (RF)، ماشین بردار پشتیبان (SVM)، و مدل MLPNN استفاده شدند. نتایج نشان دادند که مدل SGB اعتبار بالاتری نسبت به مدلهای RF، SVM و MLPNN دارد. حساسیت پارامترها بر اساس اهمیت متغیر نسبی بررسی شد و استرس ستون و نسبت عرض ستون به ارتفاع ستون بهعنوان متغیرهای اصلی تأثیرگذار بر استحکام ستون شناخته شدند.