基于机器学习的混凝土自生收缩预测算法与解释

作者：王庆贺; 戴蕊宏; 王仕奇; 王艳惠

来源：沈阳建筑大学学报(自然科学版), 2023, 39(06): 1050-1057.

• 混凝土
• 自生收缩
• 机器学习
• SHAP
• 预测

目的 研究混凝土自生收缩的多因素作用机理，建立适用于混凝土自生收缩预测的机器学习模型，增强机器学习算法的可解释性。方法 将水灰比、水胶比等14个指标作为输入变量，混凝土自生收缩值作为输出变量进行预测；采用BPNN、SVM、RF及XGBoost算法建立混凝土自生收缩预测模型，基于判定系数R2、均方根误差RMSE及平均绝对误差MAE,选取最适用于混凝土自生收缩的预测模型；采用SHAP法解释输入变量对输出变量的贡献程度、相关性及各输入变量的作用机理。结果 相较于其他算法而言，XGBoost算法可以有效预测混凝土的自生收缩，此时得到的R2、RMSE及MAE分别为0.956、0.055及0.026。结论 骨灰比是影响混凝土自生收缩的关键变量；骨灰比、高吸水树脂掺量等指标与混凝土自生收缩呈现负相关；时间与硅灰掺量等指标与混凝土自生收缩呈现正相关；采用SHAP法可以有效解决机器学习模型存在的黑盒问题，提高模型的可解释性。

• 单位
  浙江大学; 土木工程学院; 沈阳建筑大学; 建筑工程学院