基于机器学习的含辅助胶凝材料混凝土孔隙率预测
机器学习
2022-12-06 v1 计算工程、金融与科学
摘要
孔隙率已被确定为暴露于侵蚀性环境中的混凝土耐久性性能的关键指标。本文应用集成学习来预测含辅助胶凝材料的高性能混凝土的孔隙率。本研究所用混凝土样品由八个组成特征刻画，包括水胶比、胶凝材料用量、粉煤灰、GGBS、高效减水剂、粗/细骨料比、养护条件和养护天数。 assembled 数据库由 240 条数据记录组成，具有 74 种独特的混凝土配合比设计。所提出的机器学习算法在从数据集中随机选取的 180 个观测值（75%）上训练，然后在剩余 60 个观测值（25%）上测试。数值实验表明，回归树集成能根据其配合比组成准确预测混凝土的孔隙率。梯度提升树在预测精度上通常优于随机森林。对于随机森林，基于袋外误差的超参数调优策略比 k 折交叉验证更高效。
引用
@article{arxiv.2112.07353,
title = {Machine Learning-based Prediction of Porosity for Concrete Containing Supplementary Cementitious Materials},
author = {Chong Cao},
journal= {arXiv preprint arXiv:2112.07353},
year = {2022}
}