基于机器学习的透水混凝土耐磨性能预测

作者：白涛; 罗小宝^*; 邢国华

来源：硅酸盐通报, 2023, 1-12.

DOI：10.16552/j.cnki.issn1001-1625.20231107.004

• 透水混凝土
• 耐磨性能
• 磨损率
• 机器学习
• Gradient Boosting模型

本研究旨在利用机器学习模型进行透水混凝土耐磨性能预测。收集了150组透水混凝土耐磨性能试验数据并构建了数据库，采用特征相关性分析确定了6个输入参数，分别为骨料最大粒径、水胶比、砂率、骨胶比、粉煤灰掺量和旋转圈数。利用多种机器学习算法(XGBoost、Gradient Boosting、AdaBoost、Decision Tree和Random Forest)建立了透水混凝土磨损率预测模型，通过决定系数(R2)、均方根误差(RMSE)和平均绝对误差(MAE)对模型性能进行表征。研究结果表明：Gradient Boosting模型在训练集和测试集上均具有较高的准确性和较小的预测误差，与现有理论模型的比较分析也证实了Gradient Boosting模型在预测透水混凝土磨损率方面的优势。研究成果可为透水混凝土的设计和应用提供参考，并有望降低相关工程的维护成本。

• 单位
  西安建筑; 中铁一局集团建筑安装工程有限公司; 长安大学; 建筑工程学院