建筑材料学报

作者：郭磊，李泽宣，田青青，郭利霞，高航

单位：1.华北水利水电大学 水利学院，河南 郑州 450046;2.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，北京 100038

关键词：极端梯度提升树算法;随机森林算法;强度预测;胶凝砂砾石;劈拉强度

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）

将水泥质量浓度、砂率、水胶比和粉煤灰质量浓度设为输入变量， 28 d劈拉强度设为输出变量，用极端梯度提升树（XGBoost）算法对胶凝砂砾石（CSG）的劈拉强度进行预测，并与随机森林（RF）算法的预测结果进行对比，以决策系数（R²）、均方根误差（RMSE）、平均绝对误差（MAE）和平均百分比误差（MAPE）作为评估标准对2种算法进行对比分析.结果表明： XGBoost算法的R²为0.968 1，具有高度的预测准确性；相比表现良好的RF算法，XGBoost算法测试集的RMSE和MAE均降低了0.003， MAPE降低了0.32%，表明XGBoost算法能够对CSG劈拉强度进行更为精准的预测.

来源：2023年第4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4期