基于XGBoost算法的胶凝砂砾石劈拉强度预测分析

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(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.

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

所属期刊栏目：26

分类号：TV41(水工材料)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2023-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：378-382,388