机构名称：
¥ 1.0
摘要。预测拉伸强度的预测是确定结构性能的关键机械属性，是评估可回收骨料的可行性的组成部分。评估回收骨料的分裂拉伸强度的传统技术依赖于高级和耗时的实验室测试，这对于大规模应用可能是昂贵且效率低下的。这项工作提出了基于机器学习的算法，以预测分裂拉伸强度的性能。在这项研究中，从先前的研究中获得了257项测量，其中包含影响分裂强度的输入变量。使用三种方法来构建不同的预测模型，即支持向量回归，XG增强和随机森林。使用MAE，RMSE，MAPE和MASE等指标评估了各种模型的性能指数，以测量模型的准确性和可靠性。本研究表明，随机森林算法的表现优于其他RMSE值1.76的模型。实施拟议的模型可提高预测的可靠性，使研究人员能够做出有关将再生材料纳入可持续建筑实践中的明智决定，从而有助于减少建筑部门的环境影响。关键字：回收总骨料混凝土（RAC），机器学习，随机森林，XG提升，拉伸强度，支持向量回归
使用基于机器学习的优化算法拆分拉伸强度预测
主要关键词
相关文件推荐
