基于基因表达规划(GEP)和人工神经网络(ANN)的再生粗骨料混凝土抗压强度预测

摘要整理

为了最小化环境风险并实现可持续发展，再生骨料(RA)的利用在全球范围内日益普及。在混凝土中使用再生粗骨料(RCA)是减少环保污染的有效途径。然而，RCA表面附着砂浆的存在对混凝土性能产生不利影响，限制了其应用。通过合理的混合设计，RCA混凝土可达到目标强度，适用于多种建筑工程。但在实验室中通过传统试验方法验证目标强度是耗时的，可能导致施工延误。本研究采用监督机器学习(ML)算法、基因表达规划(GEP)和人工神经网络(ANN)预测RCA混凝土的抗压强度，以克服上述缺陷。通过线性相关系数(R²)、平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)评估模型性能。采用k折交叉验证方法确认模型的预测可靠性。结果表明，GEP模型的预测效果更优，相关系数R²=0.95，优于ANN模型的R²=0.92。此外，进行了敏感性分析以确定各输入参数对模型的贡献程度。研究表明，增加数据样本量并采用Boosting、梯度提升(Gradient Boosting)和Bagging等其他监督机器学习方法，可进一步提高抗压强度预测的准确性。

相关论文