基于XGBoost-LSTM的胶凝砂砾石抗压强度预测

作者：郭磊; 高航; 田青青; 郭利霞^*; 李泽宣

来源：建筑材料学报, 2023, 26(06): 631-637.

• 极度梯度提升树
• 长短期记忆网络
• 胶凝砂砾石
• 抗压强度

针对胶凝砂砾石（CSG）抗压强度试验周期长、耗材大等问题，运用极度梯度提升树-长短期记忆网络（XGBoost-LSTM）组合模型对CSG抗压强度进行预测.先选取相关性较强的“水泥含量”和“砂率”这2个输入变量代入XGBoost模型进行预测，并将结果与原特征一起代入LSTM模型；再采用94组抗压强度数据进行训练和验证.结果表明：与基础模型XGBoost和LSTM相比，XGBoost-LSTM组合模型的决定系数分别提高5.6%和3.5%.说明通过XGBoost模型构造新特征具有可行性，且XGBoost-LSTM组合模型能够对CSG抗压强度进行精准预测.

• 单位
  华北水利水电大学; 中国水利水电科学研究院