摘要
本研究探讨了基于聚羧酸类的减水剂与各类CEM I 42.5R波特兰水泥之间的相互作用，重点优化水泥基材料中的各输入参数。尽管减水剂被广泛用于提升混凝土的易施工性、强度和耐久性，但它们与水泥的相容性仍是一个重要难题，常常导致初始流动性低、泌水以及坍落度快速下降等问题。本研究解决了现有文献中的两个关键问题：一是尚未探索在水泥基系统中减少输入参数的方法，二是未涉及利用新型元启发式算法来优化这些系统。在本研究中，首先合成了25种减水剂，为机器学习模型提供更多训练数据。随后生成了包含750个样本的数据集，并建立了先进的预测模型。为确保研究的科学性并避免数据泄露，采用了三重分割数据集方法（训练集-验证集-测试集）以及5折交叉验证技术。在所分析的机器学习技术中，优化型人工神经网络架构在独立测试数据集上展现了最高的预测性能。在优化过程中，测试了10种不同的元启发式算法，以评估其在超参数优化方面的效果。最终确定开普勒优化算法在神经网络超参数优化方面具有最佳性能。此外，还运用沙普利加法解释方法，将实验观测结果与算法预测结果联系起来，定量分析了磷酸根和磺酸根基团在混凝土流变特性中的作用。这些研究结果为减水剂与水泥的相容性提供了新的见解，同时也提出了先进的、可解释的建模方法，提升了预测精度，有助于实现更可靠且可持续的混凝土应用。
