基于GBDT算法的混凝土叠合面黏结强度预测分析

摘要：

制备了陶粒轻骨料混凝土与普通混凝土叠合试块,以分组试验数据为小样本,采用端到端的梯度提升决策树(GBDT)集成学习算法,建立了混凝土叠合面处理方式、浇筑间隔时间及法向作用力等输入特征参数与叠合面黏结强度之间的预测模型;并将GBDT模型预测结果与支持向量回归、K近邻回归、决策树和BP神经网络等模型的预测结果进行综合对比.结果表明:GBDT模型预测结果的拟合优度、平均绝对误差和均方根误差均优于其它模型,其测试样本集的平均相对误差明显小于其它模型.所建立的GBDT模型具有较高的准确率,可对混凝土叠合面黏结强度的变化进行满意的预测分析.

关键词：叠合混凝土、GBDT算法、黏结性能、黏结强度、陶粒、预测分析

所属期刊栏目：26

分类号：TU528.2(建筑材料)

资助基金：国家自然科学基金;国家自然科学基金;宁波市自然科学基金资助项目

在线出版日期：2023-03-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：150-155,171