高相关变量生成机：混凝土抗压强度的预测
机器学习
2020-09-15 v1
摘要
本文提出一种利用超声脉冲速度（UPV）和回弹值（RN）预测混凝土抗压强度的新型混合模型。首先，收集了来自 8 项 UPV 与回弹锤（RH）试验研究的 516 组数据。随后，使用高相关变量生成机（HVCM）创建与输出具有更好相关性的新变量，并改进预测模型。采用三种单一模型，包括逐步回归（SBSR）、基因表达式编程（GEP）和自适应神经模糊推理系统（ANFIS），以及三种混合模型，即 HCVCM-SBSR、HCVCM-GEP 和 HCVCM-ANFIS，来预测混凝土的抗压强度。计算决定系数、均方根误差（RMSE）、归一化均方误差（NMSE）、分数偏差、最大正误差与负误差以及平均绝对百分比误差（MAPE）等统计参数与误差项，以评估和比较各模型。结果表明，HCVCM-ANFIS 对所有其他模型的预测效果均更优。HCVCM 使 ANFIS 的决定系数精度提高 5%，RMSE 提高 10%，NMSE 提高 3%，MAPE 提高 20%，最大负误差提高 7%。
引用
@article{arxiv.2009.06421,
title = {High correlated variables creator machine: Prediction of the compressive strength of concrete},
author = {Aydin Shishegaran and Hessam Varaee and Timon Rabczuk and Gholamreza Shishegaran},
journal= {arXiv preprint arXiv:2009.06421},
year = {2020}
}
备注
27 pages, 7 figures, 6 tables