来源：期刊VIP网 时间：
作者：王凤娟;李映泽;王赟程;石锦炎;刘志勇;蒋金洋;
单位：重大基础设施工程材料全国重点实验室;东南大学材料科学与工程学院;
摘要：为定量评估防护与修复措施对混凝土结构寿命的影响，本研究提出了一种基于机器学习的智能预测方法。基于工程先验知识的数值求解方法，构建了综合考虑环境因素、混凝土材料参数及防护与修复措施参数的10万组样本数据集，系统性评估了12种主流机器学习模型，并选用基于贝叶斯超参数优化的极端梯度提升(XGBoost)算法进行回归预测，完成了SHapley Additive exPlanations(SHAP)框架对优化后模型的深度可解释性分析。结果表明，优化后的XGBoost模型在测试集上决定系数R~2可达到0.986 5。SHAP分析结果量化了各特征对寿命预测的贡献度，识别出了环境氯盐浓度、粉煤灰掺量和水胶比是影响寿命预测的关键因素，揭示了多因素间的复杂非线性关系。本研究建立的高精度、可解释机器学习预测模型，为防护与修复混凝土结构的耐久性设计、性能评估与维养决策提供了高效可靠的数据驱动分析工具。
关键词：机器学习;;回归预测;;防护与修复;;混凝土寿命;;XGBoost;;SHAP
基金资助：国家重点研发计划(2021YFF0500803);; 国家自然科学基金面上项目(52479120)
