科研之友
微信
新浪微博
Facebook
分享链接
摘要
高性能混凝土抗压强度的准确预测是配合比设计优化的关键步骤之一，基于机器学习算法的预测结果容易受到输入变量的影响。提出一种经过特征筛选的抗压强度随机森林预测模型。以水胶比、水泥用量、水泥强度、砂石、粉煤灰掺量和外加剂用量作为原材料指标，通过试验收集56份数据样本。通过变量重要性度量剔除重要性较低的特征，再利用优化后的输入指标进行强度预测，并与未经过特征筛选的随机森林模型和BP神经网络模型的性能进行比较。结果表明，水泥掺量对于高性能混凝土强度的贡献最大，而外加剂的影响较小；随机森林模型的预测精度较高（R2=0.969 09），误差较小（RMSE=0.014 922）；基于变量重要性度量的特征筛选对于提高预测精度具有重要意义。
- 单位
