基于机器学习与配合比的混凝土电通量预测

摘要： 针对混凝土传输性评价问题，基于已知配合比建立了混凝土电通量的机器学习预测模型，并揭示关键影响因素及影响规律。通过集成极端梯度提升(XGBoost)、支持向量回归(SVR)等6种机器学习算法，基于48组试验数据构建预测模型，采用沙普利加性解释(SHAP)函数解析特征贡献度。结果表明：XGBoost模型预测精度最高(R~2=0.983 6),砂用量与含气量为混凝土电通量核心影响因素... （共10页）