基于XGBoost算法的胶凝砂砾石劈拉强度预测分析

作     者：郭磊 李泽宣 田青青 郭利霞 高航 GUO Lei;LI Zexuan;TIAN Qingqing;GUO Lixia;GAO Hang

作者机构：华北水利水电大学水利学院河南郑州450046 河南省水环境模拟与治理重点实验室河南郑州450002 中国水利水电科学研究院北京100038 

出 版 物：《建筑材料学报》 (Journal of Building Materials)

年 卷 期：2023年第26卷第4期

页      面：378-382,388页

核心收录：

学科分类：08[工学] 0815[工学-水利工程] 0805[工学-材料科学与工程（可授工学、理学学位）] 081503[工学-水工结构工程] 

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) 

主　　题：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 

摘      要：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(R^(2))、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.