混凝土抗压强度的可解释深度学习预测模型

摘要

为快速、准确地预测混凝土抗压强度，采用深度学习技术建立预测模型，使用贝叶斯优化算法进行模型自动优化调节，并结合SHapley Additive exPlanations(SHAP)可解释性方法对预测结果进行分析，以克服预测模型的“黑盒子”问题.利用深度学习模型挖掘各输入特征参数与抗压强度之间潜在的规律；通过可视化输入特征参数的SHAP值分析参数对抗压强度预测结果的重要性及影响规律.结果表明，所建深度学习模型相比其他传统模型具有更好的性能；SHAP分析结果与试验结果一致，该模型较好地反映了各特征参数之间复杂的非线性关系，可为混凝土材料的工程设计提供依据和参考.

关键词

混凝土 / 抗压强度 / 深度学习 / SHAP方法 / 可解释性

基金资助

新疆建筑结构与抗震重点实验室开放课题（600120004）