快速通道
我院本科生石玉琼在国内知名SCI期刊《Journal of Wuhan University of Technology(Materials Science)》发表学术论文
来源： 作者：石玉琼，李黎，徐婧 发布日期：2025-02-01 浏览次数：
近期，水建学院李黎副教授课题组在国内知名建筑材料SCI期刊《Journal of Wuhan University of Technology(Materials Science) 武汉理工大学学报(材料科学版)》发表了论文“Interpretable machine learning method for compressive strength prediction and analysis of pure fly ash-based geopolymer concrete”。水建学院土木工程专业2020级本科生石玉琼为第一作者，李黎副教授为通讯作者。
与传统混凝土相比，地质聚合物混凝土更加绿色环保，但影响其性能的因素众多，通过实验、经验公式等传统方法展开研究耗时耗力且结果不可靠。机器学习算法通过输入相关参数可以快速得到精确的预测结果，为地聚物混凝土配合比的设计和性能的优化提供一种新思路。
该文主要是通过建立精确的机器学习模型用于研究纯粉煤灰地聚物混凝土的特性。在构建包含505组样本的新数据库后，建立了五种机器学习模型，分别进行抗压强度预测。其中，最精确的是随机森林(DT)模型，预测结果如图1所示。
|
图1 随机森林(DT)模型预测值与真实值的比较 |
然后，采用4个指标来评估5个模型的预测结果如表1所示，并分析其预测精度上的差异和变化。
表1 各个模型的性能指标 |
| ModelR2MSERMSEMAEDT0.991.581.250.25RF0.975.172.271.38SVM0.8030.315.512.81BPNN0.770.010.080.06CNN0.7639.376.274.58
|
最后，该研究通过重要性排序获得机器学习模型对13个变量的感知度，其中随机森林模型的结果如图2所示，探讨其与常规混凝土的差异，并深入分析了内在机理。
|
图2 随机森林(DT)模型的参数重要性分析结果 |
该研究得到国家级大学生创新创业训练计划项目（202210712169）等资助。
编辑：徐婧 终审：张鑫
