基于机器学习的混凝土自生收缩预测算法与解释

目的 研究混凝土自生收缩的多因素作用机理,建立适用于混凝土自生收缩预测的机器学习模型,增强机器学习算法的可解释性。方法 将水灰比、水胶比等14个指标作为输入变量,混凝土自生收缩值作为输出变量进行预测;采用BPNN、SVM、RF及XGBoost算法建立混凝土自生收缩预测模型,基于判定系数R²、均方根误差RMSE及平均绝对误差MAE,选取最适用于混凝土自生收缩的预测模型;采用SHAP法解释输入变量对输出变量的贡献程度、相关性及各输入变量的作用机理。结果 相较于其他算法而言,XGBoost算法可以有效预测混凝土的自生收缩,此时得到的R²、RMSE及MAE分别为0.956、0.055及0.026。结论 骨灰比是影响混凝土自生收缩的关键变量;骨灰比、高吸水树脂掺量等指标与混凝土自生收缩呈现负相关;时间与硅灰掺量等指标与混凝土自生收缩呈现正相关;采用SHAP法可以有效解决机器学习模型存在的黑盒问题,提高模型的可解释性。