期刊信息
主管单位:中华人民共和国教育部
主办单位:重庆大学
主  编:王时龙
地  址:重庆市沙坪坝正街174号
邮政编码:400030
电  话:023-65112126;023-65111217
电子邮件:xbsg@cqu.edu.cn
国际标准刊号:ISSN 1000-582X
国内统一刊号:CN 50-1044/N
邮发代号:国内78-16 国外 M355
高性能混凝土抗压强度多模型预测与特征重要性分析
投稿时间:2026-01-17  修订日期:2026-10-29
关键词:抗压强度  高性能混凝土  机器学习  支持向量回归  特征重要性
基金项目:广西科技计划项目(AB25069328,AD25069006);国家自然科学基金(52368029,52468032) ;广西研究生教育创新计划项目(YCSW2026410)
作者单位邮编
向玮衡 桂林理工大学 土木工程学院 541004
董梦涵 桂林理工大学 土木工程学院 
胡成* 桂林理工大学 土木工程学院 541004
马晓鹏 桂林理工大学 土木工程学院 
彭布 桂林理工大学 土木工程学院 
白语涵 桂林理工大学 土木工程学院 
摘要点击次数: 0
全文下载次数: 0
摘要:
      高性能混凝土抗压强度受多种因素共同影响,其与材料组成之间呈现复杂的非线性关系。为提高高性能混凝土抗压强度预测与配合比设计效率,本文构建多种机器学习预测模型,并采用十折交叉验证及均方根误差、平均绝对误差和决定系数评价模型性能,同时利用随机森林分析关键配比参数。结果表明,各模型均能有效建立配合比参数与抗压强度之间的非线性映射关系,其中支持向量回归模型预测性能最佳,均方根误差、平均绝对误差和决定系数分别为1.685 MPa、1.259 MPa和0.996,且47.2%的测试样本绝对误差小于1 MPa。随机森林分析表明,引气剂、水胶比、高效减水剂和硅灰对抗压强度预测具有较高的重要性。综合分析可知,支持向量回归模型在小样本高性能混凝土抗压强度预测中表现出较好的适用性,结合随机森林特征分析可为配合比筛选和关键参数控制提供数据驱动参考。
  查看/发表评论  下载PDF阅读器
Copyright@ 2008 All Rights Reserved.