基于数据增强和机器学习的铁尾矿混凝土抗压强度预测
荣兆川1
胥孝川2
李志军2
戴佳豪1
1.东北大学 资源与土木工程学院,辽宁 沈阳 1108192.东北大学 资源与土木工程学院,辽宁 沈阳 110819;东北大学 智慧水利与资源环境科技创新中心,辽宁 沈阳 110819
摘要：研究了铁尾矿(IOTs)对混凝土 28d抗压强度的影响,并采用 4 种机器学习模型进行分析.通过选择 6 个关键变量,对145组数据进行描述性统计,采用变分自编码器(VAE)对数据进行增强,并比较了梯度提升、自适应增强、随机森林和高斯过程 4 种模型的性能.结果表明,梯度提升模型在各项评估指标上均表现最佳,特别是在决定系数、均方误差等关键指标上.基于梯度提升模型预测混凝土的28d抗压强度,与实际数据吻合度高,泛化能力强,该模型为学者们提供了一种高效、经济、可靠的预测方法.
关键词：铁尾矿抗压强度机器学习数据增强梯度提升
分类号：TU528(建筑材料)
资助基金：国家自然科学基金(52234004)沈阳市科学技术计划社会治理科技专项项目(22-322-3-02)中国建筑股份有限公司科技研发课题(CSCEC-2022-Z-21)
论文发表日期：2025-03-25
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：8( 95-101,141 )
英文信息