基于XGBoost算法的胶凝砂砾石劈拉强度预测分析

作者：郭磊; 李泽宣; 田青青; 郭利霞^*; 高航

来源：建筑材料学报, 2023, 26(04): 378-388.

• 极端梯度提升树算法
• 随机森林算法
• 强度预测
• 胶凝砂砾石
• 劈拉强度

将水泥质量浓度、砂率、水胶比和粉煤灰质量浓度设为输入变量，28 d劈拉强度设为输出变量，用极端梯度提升树(XGBoost)算法对胶凝砂砾石(CSG)的劈拉强度进行预测，并与随机森林(RF)算法的预测结果进行对比，以决策系数(R2)、均方根误差(RMSE)、平均绝对误差(MAE)和平均百分比误差(MAPE)作为评估标准对2种算法进行对比分析.结果表明：XGBoost算法的R2为0.968 1，具有高度的预测准确性；相比表现良好的RF算法，XGBoost算法测试集的RMSE和MAE均降低了0.003, MAPE降低了0.32%，表明XGBoost算法能够对CSG劈拉强度进行更为精准的预测.

• 单位
  华北水利水电大学; 中国水利水电科学研究院