来源：期刊VIP网 时间：
作者：刘琳;邵鑫;庞昆;郑蕻陈;
单位：河海大学土木与交通学院;
摘要：本研究针对碱激发矿渣-粉煤灰(AASF)浆体和混凝土力学性能的复杂影响因素，采用试验与机器学习相结合的方法，系统分析了影响抗压强度和弹性模量的关键参数。通过随机森林回归(RFR)和梯度提升回归(GBR)模型对材料的抗压强度和弹性模量进行分析预测。结果表明，机器学习预测的材料抗压强度与弹性模量与真实值差距可以控制在±15%以内，并提供了定量计算公式，显著提升了对材料力学性能优化的效率和效果。基于双目标分析方法，进一步探讨了浆体和混凝土抗压强度与弹性模量之间存在的搭配组合关系，并揭示了优化配比设计的有效路径。粉煤灰掺量存在显著的阈值效应，当掺量小于25%(质量分数)时，与抗压强度呈正相关，当掺量介于50%～75%(质量分数),与抗压强度呈负相关。本研究为碱激发矿渣-粉煤灰材料的性能优化提供了一种高效、智能的解决方案，同时为土木工程领域的低碳材料研究提供了实践基础。
关键词：碱激发材料;;矿渣;;粉煤灰;;机器学习;;抗压强度;;弹性模量;;双目标分析
基金资助：国家自然科学基金(52322805)
