基于BO-XGBoost算法的气凝胶混凝土力学和保温性能预测方法

摘要

气凝胶混凝土是制备保温承重一体化墙板的优质材料，其抗压强度和导热系数是重要的研究参数。为了获取最优的抗压强度和导热系数，需要在实验室多次重复进行配合比设计及性能测定，需要大量的人力和时间。采用公式分析方法或统计方法可获得最佳性能，但因为气凝胶混凝土的抗压强度和导热系数与各影响因素存在高度的非线性关系，由此得到的经验公式精度低，对自身实验有很强的依赖性，无法推广和泛化。而利用机器学习方法可以有效地通过数据库建立输入与输出特征之间的映射关系。本文利用贝叶斯优化的极端梯度提升算法（BO-XGBoost）建立了一个气凝胶混凝土性能预测模型，并基于335组数据，进行模型训练与测试。为了验证采用带可解释特征作为输入特征的方案的有效性，采用两个模型分别预测抗压强度和导热系数的优势，设置两个对比方案进行性能比较。此外，为了分析BO-XGBoost模型在气凝胶混凝土性能预测上的优势，使用随机森林、人工神经网络等多个模型与之进行比较，并采用全新数据探究模型的泛化能力。结果表明，BO-XGBoost模型效果很好，抗压强度和导热系数预测模型的测试集的决定系数R²均在0.97以上，预测能力优于其他模型，且具有较好的泛化能力。此外，采用SHAP模型进行可解释分析，结果表明，影响气凝胶混凝土性能的最主要因素是气凝胶掺量和水胶比。

关键词

气凝胶混凝土 / 性能预测 / 贝叶斯优化 / XGBoost算法 / SHAP可解释分析