通过机器学习和实验分析来预测和参数建模废大理石灰混凝土的压力强度

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.
• 数据科学数据科学数据科学

背景情况:

• 废旧大理石生产是建筑行业的一个重要关注点.
• 开发可持续的建筑材料对于处理工业废物至关重要.
• 在混凝土中利用废旧大理石粉末为减少废弃物和材料提升提供了潜在的解决方案.

研究的目的:

• 使用各种机器学习 (ML) 模型预测混凝土的压力强度 (CS).
• 通过实验验证ML预测,并评估混凝土与大理石灰尘作为粘合剂替代物的性能.
• 通过特征重要性分析,确定影响混凝土压力强度的关键因素.

主要方法:

• 从现有文献中编制了一个全面的数据集,包括水泥,聚合物,超级塑化剂,烟,大理石灰尘和水等参数.
• 采用了六种ML模型:XG提升,AdaBoost,Cat-Boost,梯度提升,轻梯度提升和决策树.
• 在混凝土样本上进行了实验性测试,用5-20%的大理石粉末替代,并进行了微观结构评估.

主要成果:

• XG Boost 模型表现出卓越的预测准确性,达到 0.999 (火车) 和 0.915 (测试) 的 R 2 值.
• 决策树模型也表现一致,在训练和测试阶段,R²值超过0.85.
• 特性重要性分析表明,超级可塑剂,水泥和二氧化烟雾是影响压力强度的最有影响力的因素.

结论:

• 机器学习模型,特别是XG Boost,在预测含有废大理石粉的混凝土的压力强度方面非常有效.
• 废大理石粉可以成功地被用作混凝土中的粘合剂替代品,增强其机械性能和微观结构.
• 该研究通过展示在混凝土生产中有效使用工业废物,为可持续建筑实践提供了宝贵的见解.