基于机器学习的概率化混凝土选型与设计

由于组成材料的天然变异性以及配合比组合的大量可能性，开发具有更低环境影响且稳健的混凝土配合比具有挑战性。利用机器学习进行可靠的性能预测可促进基于性能的混凝土规范制定，减少材料低效并改善混凝土建筑的可持续性。本工作中，我们开发了一种机器学习算法，可利用中间目标变量及其相关噪声来预测最终目标变量。我们将该方法应用于指定一种具有高抗碳化性能的混凝土配合比，以及另一种具有低环境影响的混凝土配合比。两种配合比均满足强度、密度与成本的目标要求。所指定的配合比已通过实验对其预测值进行验证。我们的通用方法实现了在机器学习中对噪声的利用，这在结构工程及更广领域具有广泛应用。