基于可解释线性回归模型的混凝土抗压强度预测与评估

《Scientific Reports》：Practical prediction of concrete compressive strength using an interpretable enhanced linear regression model

　　

摘要

混凝土抗压强度的可靠估算对于土木工程中的质量控制至关重要。虽然复杂的机器学习模型具有较高的预测精度，但缺乏透明度限制了其实际推广应用。本研究构建了一个可解释的线性回归模型：将水泥、矿渣和粉煤灰表示为总胶凝材料用量和矿渣与胶凝材料比值；用龄期的自然对数替代原始龄期值；同时保留水灰比以及减水剂和骨料含量作为自变量。基于包含1,030组混凝土配合比的公开数据集，最终模型在全数据上的R²为0.821；在按唯一配合比设计进行分组的嵌套GroupKFold交叉验证下，外层折平均R²为0.805（标准差=0.018），均方根误差（RMSE）为7.30 MPa，平均绝对误差（MAE）为5.62 MPa。模型的多重共线性得到控制，最大方差膨胀因子（VIF）为6.35，条件数为4.97。所有预测变量均具有统计学显著性（p < 0.001），最大库克距离（Cook's distance）为0.0217。与调优后的随机森林模型（嵌套R²=0.884）和XGBoost模型（嵌套R²=0.882）进行基准比较表明，尽管集成方法具有更高的预测精度，但所提出的线性模型保留了可解释的回归系数，可作为在所研究数据集范围内进行初步强度估算的透明筛选工具。