基于可解释性自动机器学习(Explainable AutoML)和不确定性量化的方法,用于预测二氧化碳固化混凝土的抗压强度

《Buildings》:Explainable AutoML with Uncertainty Quantification for CO2-Cured Concrete Compressive Strength Prediction

【字体: 大 中 小 】 时间:2025年12月25日 来源:Buildings 3.1

编辑推荐:

   摘要 水泥和混凝土行业是全球人为二氧化碳(CO2)排放的主要来源之一

  

摘要

水泥和混凝土行业是全球人为二氧化碳(CO2)排放的主要来源之一,占总排放量的近8%,因此迫切需要实现低碳转型。CO2固化不仅能够增强混凝土的强度,还能实现碳封存。然而,由于实验因素有限且相互关联性强,这类混凝土的抗压强度仍然难以预测。本研究开发了一个可解释的自动化机器学习(AutoML)框架,并结合了不确定性量化方法,用于预测经过CO2固化的混凝土在28天后的抗压强度。该框架使用了198组标准化实验数据,并通过四种算法进行训练:随机森林(RF)、支持向量回归(SVR)、极端梯度提升(XGBoost)以及基于Transformer的表格先验数据拟合网络(TabPFN)。为了提高模型的准确性和效率,在训练过程中采用了分层交叉验证、超参数优化和基于自助法的不确定性分析。结果表明,TabPFN具有最高的预测准确性(测试R2 = 0.959),并且预测区间稳定在95%左右。Shapley加性解释(SHAP)分析显示,水泥含量、骨料组成、水灰比(W/B)以及CO2固化时间是主要影响因素,其中最佳的水灰比约为0.40。交互作用分析进一步揭示了水泥含量与水灰比之间的协同效应,以及固化时间与较长作用时间下CO2浓度之间的增强耦合关系。该框架提高了预测的可靠性和可解释性,有助于低碳混凝土的配方设计和固化优化。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号