基于化学信息驱动的深度学习预测偏高岭土-稻壳灰碱激发混凝土抗压强度

《Next Materials》：Data-driven insight into the chemistry-performance relationship of metakaolin-rice husk ash geopolymers using deep learning

　　

摘要

需要可靠的预测公式来确定碱激活混凝土的性能，以减少实验试错，从而促进低碳胶凝材料的推广应用。本文提出了一种化学信息驱动的深度学习方法来预测环境养护下混合偏高岭土-稻壳灰（MK-RHA）碱激活性试件的抗压强度。偏高岭土和稻壳灰分别作为铝源和硅源。配合比在碱性条件下活化，通过Na?O与胶凝材料比、硅模数、水胶比和养护龄期等参数进行调控。实验数据库包含54组混合比-龄期观测数据，来源于至少162次压缩试验，覆盖约18–62 MPa的强度范围，用于开发和评估一个紧凑的一维卷积神经网络（1D-CNN）模型。重复分组五折交叉验证产生了合并的折外值，其中$R^2=0.928$，RMSE$=3.300\mathit{MPa}$，MAE$=2.504$MPa，MAPE$=6.850\%$。各折之间较大的变异性表明，预测此前未见过的配合比组仍然具有挑战性。SHAP结果描述了模型在所研究实验域内学习到的关联关系。

Moulya H V|G. Brunda|R. Shivaraju|G.N. Kumaraswamy|A. Shivaramakrishna|C. Solaimuthu|L.R. Thippeswamy|J.C. Vidyashree|K.A. Jayasheel Kumar|C.Durga Prasad|Subramanya R. Prabhu