机器学习在混凝土抗压强度预测中的应用.pdfVIP

Statistics and Application 统计学与应用, 2017, 6(1), 1-6 Published Online March 2017 in Hans. /journal/sa /10.12677/sa.2017.61001 Application of Machine Learning in the Prediction of Compressive Strength of Concrete Weidong Rao Yunnan University of Finance and Economics, Kunming Yunnan th rd th Received: Feb. 14 , 2017; accepted: Mar. 3 , 2017; published: Mar. 6 , 2017 Abstract In this paper, the data of compressive strength of concrete are modeled by decision tree, boosting, random forest, artificial neural network and support vector machine methods. Ten-fold cross-va- lidation is adopted to assess the performance of these methods in terms of the prediction accuracy. It is seen that the Random Forest method has the best performance in general. Keywords Machine Learning, Prediction, Compressive Strength 机器学习在混凝土抗压强度预测中 的应用 饶炜东 云南财经大学，云南 昆明 收稿日期：2017年2月14 日；录用日期：2017年3月3 日；发布日期：2017年3月6 日 摘 要 本文对混凝土的抗压强度的数据采用决策树、Boosting、随机森林、人工神经网络、支持向量机这五种 方法进行建模，采用十折交叉验证评价预测精度。发现随机森林法具有较好的预测效果。 文章引用: 饶炜东. 机器学习在混凝土抗压强度预测中的应用[J]. 统计学与应用, 2017, 6(1): 1-6. /10.12677/sa.2017.61001 饶炜东 关键词 机器学习，预测，抗压强度 Copyright © 2017 by author and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/ Open Access 1. 引言 随着科学技术的发展，混凝土越来越广泛地应用到各个工程建设中，并且根据使用功效的差别，可 以配置不同类型的混凝土。然而随着掺合料、粗骨料、细骨料等比例的变化，混凝土的抗压强度也受到 极大的影响[1] [2] [3] [4]。混凝土的抗压性能是设计混凝土配合比的一个重要参考指标，然而配合比与抗 压性能之间并不是简单的线性关系，而是极其复杂的非线性关系。近年来，为了更快地预测某种配合比 混凝土的抗压强度，许多试验和研究方法被开发出来。机器学习的各种方法也被用来预测各种类型混凝 土的强度，例如神经网络[5]，支持向量机[6]，高斯过程[7]，相关向量机[8]等。本文使用一组实际数据， 建立各种机器学习方法的混凝土抗压强度的预测模型，并通过交叉验证的方法来验证各种机器学习方法 的可靠性。 2. 实验数据