建筑材料学报

作者：郭磊，高航，田青青，郭利霞，李泽宣

单位：1.华北水利水电大学 水利学院，河南 郑州 450046;2.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 450002;3.中国水利水电科学研究院 水资源所，北京 100038

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

基金：“十四五”国家重点研发计划项目（2021YFC3001000）；国家自然科学基金资助项目（52109154）

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.

来源：2023年第6期

《建筑材料学报》期刊编辑部

查看建筑材料学报杂志2023年第6期