基于XGBoost-LSTM的胶凝砂砾石抗压强度预测
郭磊1
高航2
田青青3
郭利霞1
李泽宣2
1.华北水利水电大学 水利学院,河南 郑州 450046;华北水利水电大学 河南省水环境模拟与治理重点实验室,河南 郑州 4500022.华北水利水电大学 水利学院,河南 郑州 4500463.华北水利水电大学 水利学院,河南 郑州 450046;中国水利水电科学研究院 水资源所,北京 100038
摘要：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.
关键词：极度梯度提升树长短期记忆网络胶凝砂砾石抗压强度
分类号：TV41(水工材料)
资助基金：国家重点研发计划(2021YFC3001000)国家自然科学基金(52109154)
论文发表日期：2023-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 631-637 )
英文信息