基于机器学习的高温损伤后UHPC残余抗压强度预测

• 全文链接
• 请求原文

作   者：

欧阳利军;  容文照;  谢冰清;  丁斌; 

作者机构：

上海理工大学环境与建筑学院;  温州职业技术学院 建筑工程学院; 

关键词：

机器学习;  超高性能混凝土;  预测;  残余抗压强度;  高温损伤; 

期刊名称：

混凝土与水泥制品

i s s n：

1000-4637

年卷期：

2025 年 002 期

页   码：

1-7

摘   要：

以水胶比、m硅灰∶m水泥、m粉煤灰∶m水泥、m石英砂∶m水泥、m石英粉∶m水泥、钢纤维掺量、PP纤维掺量、常温标准养护、热水养护、干热养护和加热温度11个影响因素为输入变量，建立了BP神经网络、麻雀搜索算法优化人工神经网络、遗传算法优化人工神经网络（GA-BP）和支持向量机回归四种模型，并对高温损伤后的超高性能混凝土（UHPC）残余抗压强度进行了预测。结果表明：与基于试验经验的计算模型预测结果相比，以上4个机器学习模型的预测精度较高，误差基本控制在15%以内，其中，GA-BP模型的预测结果最优，R2达到0.949。