轻质粘土聚合物与渣和生物医疗废物灰对自压缩混凝土的影响,使用机器学习方法
Kennedy C Onyelowe1,2, Viroon Kamchoom3, Shadi Hanandeh4
1Department of Civil Engineering, Michael Okpara University of Agriculture, Umudike, Nigeria. kennedychibuzor@kiu.ac.ug.
这项研究优化了自压缩混凝土 (SCC) 使用生物医学灰和渣等废物,通过机器学习实现了高预测准确性. 机器学习模型准确地预测SCC的性能,从而实现高效和可持续的建筑实践.
科学领域:
- 材料科学 材料科学 材料科学
- 土木工程 土木工程是指土木工程.
- 可持续建筑 可持续建筑
背景情况:
- 自压缩混凝土 (SCC) 对于现代建筑至关重要.
- 结合GGBS和BMWA等工业副产品,可以为环境带来好处.
- 可以使用LECA作为轻质聚合物的替代品.
研究的目的:
- 评估LECA,GGBS和BMWA对SCC属性的影响.
- 开发和验证SCC混合设计的机器学习模型.
- 优化SCC混合设计,以提高性能和可持续性.
主要方法:
- 开发的SCC与LECA,GGBS和BMWA混合在不同的替代水平.
- 收集了384个SCC混合设计的实验数据.
- 应用了六个机器学习算法 (ANN,SVR,KNN,XGB,RF,AdaBoost) 进行预测建模.
- 用错误,效率和确定指标进行模型评估.
- 使用霍夫曼和园丁的方法进行了敏感性分析.
主要成果:
- AdaBoost和KNN模型实现了最高的预测准确度 (97.5%) 与最小的误差 (MAE: 0.65 MPa,RMSE: 0.75 MPa).
- SVR,XGB和RF模型也显示出很高的准确性 (96.5-97%).
- 灵敏度分析发现GGBS (31%) 和LECA (21%) 对SCC性能产生了最显著的影响.
结论:
- 机器学习模型有效地预测SCC行为,从而实现精确的混合设计.
- 优化使用LECA,GGBS和BMWA提高了材料效率,减少了对环境的影响.
- 这种方法通过利用工业副产品来促进可持续建筑.
更多相关视频
05:36Production and Analysis of Sporosarcina pasteurii Biocement Bricks Using Custom 3D-Printed Molds for Unconfined Compression Tests
Published on: March 7, 2025
11:14Two-way Valorization of Blast Furnace Slag: Synthesis of Precipitated Calcium Carbonate and Zeolitic Heavy Metal Adsorbent
Published on: February 21, 2017
相关概念视频
Abrasion Resistance of Concrete
One such test is the revolving disc test, where three plates...
Aggregates Classification
Petrographic classification groups aggregates based on common mineralogical characteristics. Some of the common mineral groups found in aggregates are...
Effects of Air-entrainment in Concrete
Deleterious Substances in Aggregate
Another type of impurity is clay and fine material that...
Bonding and Strength of Aggregate
Pozzolans
Fly ash is...
