基于机器学习的高温后聚丙烯纤维混凝土强度预测

作者：梁宁慧; 游秀菲; 曹郭俊; 刘新荣; 钟祖良

来源：硅酸盐通报, 2021, 40(02): 455-464.

DOI：10.16552/j.cnki.issn1001-1625.2021.02.012

• 机器学习
• 聚丙烯纤维
• 混凝土
• 高温
• 强度预测

影响高温后聚丙烯纤维混凝土(PFRC)力学性能的因素众多,因此相关试验的周期长,试验量大。如何利用现有试验数据预测高温后聚丙烯纤维混凝土的强度能够有效提高试验效率,为实际工程提供参考。通过研究纤维尺度、纤维掺量和温度对混凝土强度的影响,建立纤维尺度、掺量和温度为因子的回归树(RT)、支持向量机回归(SVR)和BP神经网络三种模型。将聚丙烯纤维混凝土在不同受热温度(20℃、200℃、400℃、600℃、800℃)下的劈裂抗拉强度和抗压强度试验值与预测值进行比较,结果表明:三种模型均能以较高的精度预测高温后聚丙烯纤维混凝土的劈裂抗拉强度和抗压强度;与实测值相比,三种模型预测值与实测值的相对误差基本控制在15%以内,个别数据出现较大预测误差;比较三种模型的平均绝对误差(MAE)和平均相关系数R2,人工神经网络(ANN)模型的预测结果较好,验证了基于机器学习的高温后聚丙烯纤维混凝土力学性能预测的可靠性。

• 单位
  重庆大学; 土木工程学院