基于参数相关性分析和机器学习算法的高强混凝土徐变预测

摘要

针对预测混凝土徐变的机器学习模型已有较多研究，但区分混凝土强度的研究较少的问题，基于NU-ITI数据库，采用3种机器学习模型，即反向传播人工神经网络、支持向量回归和极端梯度提升（XGBoost）建立了混凝土徐变的预测模型。结果表明，XGBoost能很好地预测混凝土的徐变（R²=0.972 9）。通过对高强混凝土参数的相关性分析，筛选出相关系数最高和最低的参数组。基于参数筛选后的XGBoost模型重新对高强混凝土徐变进行计算，发现筛除弱相关参数会显著降低计算结果的鲁棒性。本文研究表明，高强混凝土徐变影响参数之间存在不同程度的相关性，筛除强相关参数对模型计算准确性影响较小，而筛除弱相关参数影响较大。研究成果可为高强混凝土徐变的建模提供参考。

关键词

结构工程 / 高强混凝土徐变 / 机器学习模型 / 最大信息相关系数 / 鲁棒性