基于机器学习回归模型的三峡大坝混凝土强度预测

作者：徐潇航; 胡张莉; 刘加平^*; 李文伟; 刘建忠

来源：材料导报, 2023, 37(02): 45-53.

• 混凝土
• 三峡工程
• 抗压强度
• 机器学习
• 模型调优

人工神经网络、决策树与支持向量机为目前混凝土强度预测的常用机器学习算法。为实现三峡大坝大体积混凝土原材料筛选以及配比经验的学习与应用，并对大坝维护以及其他水利工程的建设提供指导，本研究基于三峡大坝主体工程混凝土28 d抗压强度数据，构建了原材料性能及配合比与混凝土强度之间的关系，并结合随机森林特征权重排序与统计分析的方法，确定了水泥用量、混凝土温度、水灰比为影响三峡大坝混凝土抗压强度的关键特征参数。探讨了常用机器学习算法对三峡大坝28 d混凝土强度预测效果，依据固定特征参数、通用参数与超参数综合调优后的多种算法的预测结果对比可知，经体系化综合调优的Epsilon支持向量回归(SVR)算法在预测中更优。

• 单位
  江苏苏博特新材料股份有限公司; 东南大学