压缩强度

在堆叠的机器学习技术上进行积极学习，以预测碱激活的超高绩效混凝土的压缩强度

抽象的传统超高性能混凝土（UHPC）具有卓越的开发潜力。然而，在整个水泥制造过程中产生了大量的CO 2，这与当前在全球范围内降低排放和保存能量的趋势相反，从而限制了UHPC的进一步发展。考虑到气候变化和可持续性问题，无水泥，环保，碱活化的UHPC（AA-UHPC）材料最近受到了广泛关注。在旨在降低实验工具和人工成本的高级预测技术的出现之后，本研究提供了基于机器学习（ML）算法的不同方法的比较研究，以提出一种基于活跃的学习ML模型（AL-STAKED ML），以预测AA-UHPC的压缩强度。收集了包含284个实验数据集和18个输入参数的数据丰富的框架。对可能影响AA-UHPC抗压强度的输入特征的重要性进行了全面评估。结果证实，在本研究中已经测试过的不同一般实验标本的堆叠式ML-3可用于98.9％的AL-3。主动学习可以提高精度高达4.1％，并进一步增强堆叠的ML模型。此外，通过实验测试引入并验证了图形用户界面（GUI），以促进可比的前瞻性研究和预测。