从稀疏数据集学习：基于机器学习的混凝土强度预测
机器学习
2020-05-01 v1 材料科学
摘要
尽管过去几十年为建立混凝土配合比与强度之间的关系付出了巨大努力，仍缺乏用于精确预测混凝土强度的稳健基于知识的模型。作为物理或化学模型的替代，数据驱动的机器学习（ML）方法为这一问题提供了新方案。尽管该方法有望处理混凝土配合比与强度之间复杂、非线性、非加性的关系，ML 的主要局限在于模型训练需要大型数据集。这一点值得关注，因为可靠、一致的强度数据相当有限，尤其是对于现实的工业混凝土。在此，基于对工业生产的混凝土实测抗压强度的较大数据集（>10,000 个观测值）的分析，我们比较了若干选定 ML 算法在“学习”如何根据数据集大小可靠预测混凝土强度方面的能力。基于这些结果，我们讨论了给定模型最终能达到的精度（当在大型数据集上训练时）与该模型实际所需训练数据量之间的权衡。
引用
@article{arxiv.2004.14407,
title = {Learning from Sparse Datasets: Predicting Concrete's Strength by Machine Learning},
author = {Boya Ouyang and Yuhai Li and Yu Song and Feishu Wu and Huizi Yu and Yongzhe Wang and Mathieu Bauchy and Gaurav Sant},
journal= {arXiv preprint arXiv:2004.14407},
year = {2020}
}