《Developments in the Built Environment》：Incremental update framework for multi-source low-carbon concrete prediction based on conditional tabular generative adversarial network, adaptive weighting, and experience replay
编辑推荐：
新实验数据的引入会造成计算损失并降低混凝土性能预测模型的鲁棒性。为解决反复调参和模型重训练所导致的上述问题，本文提出了一种面向多源低碳混凝土数据集的增量更新框架，集成了基于贝叶斯优化的条件表格生成对抗网络（BO-CTGAN）、堆叠集成模型、自适应加权和经验回放
新实验数据的引入会造成计算损失并降低混凝土性能预测模型的鲁棒性。为解决反复调参和模型重训练所导致的上述问题，本文提出了一种面向多源低碳混凝土数据集的增量更新框架，集成了基于贝叶斯优化的条件表格生成对抗网络（BO-CTGAN）、堆叠集成模型、自适应加权和经验回放机制。BO-CTGAN用于增强包含15个特征变量的数据集。通过变量相关性、累积分布、K-S和P值评估合成数据的质量。此外，利用经贝叶斯优化（BO）的四种机器学习模型比较了真实数据与合成数据的预测精度。以MLP、SVM和RF作为基模型，XGB作为元模型，三个模型作为弱学习器用于增强集成模型（SEIM）。通过比较多个统计指标（RMSE、R2、MSE）来评估SEIM。在此基础上，从数据和模型的角度，将经验回放机制和自适应权重纳入SEIM构建增量更新模型，有效缓解了重复训练、灾难性遗忘和性能退化等问题。将合成数据模拟为新实验数据输入模型，量化了训练规模、数据比例和自适应权重对泛化能力的影响。结果表明，BO-CTGAN能有效识别实验数据的特征分布，合成数据的相关性差异小于0.3。SEIM能有效提升基模型的预测性能，R2、RMSE和MSE分别为0.92、3.11和9.7。LOSS和模型变化率随数据比例和训练规模的增大而减小。本文提出的模型有效增强了多源数据集的预测性能。通过增量更新可以解决新实验数据涌入带来的重复训练和鲁棒性潜在下降问题。该方法不仅适用于低碳混凝土，还可用于改善其他多源数据集的预测性能。
**多源低碳混凝土预测的增量更新框架研究解读**
**一、研究背景与问题**
工业化的快速发展产生了大量建筑废弃物和工业废渣。通过多级破碎获得再生骨料，或对粉煤灰、矿渣等工业废弃物进行处理制备补充胶凝材料（SCMs），可有效提升固废资源化利用率。然而，再生骨料具有较弱的界面过渡区和较高的吸水率，SCMs来源广泛，二者均会导致混凝土力学性能显著波动。传统的基于Bolomey公式的局部参数回归模型只能考虑有限的材料参数，已难以适应多胶凝材料体系；数值模拟方法虽精度较高，但关键参数仍需通过实验拟合，且网格设置可能引发局部不收敛。机器学习模型凭借其强大多变量非线性映射能力而被广泛应用，但单一模型在处理多源、大容量、多变量数据集时，其结构局限性限制了整体预测性能。此外，随着实验数据持续增加，模型反复调参与重训练会显著增加计算开销，并降低模型鲁棒性。因此，有必要发展一种能够在不完全重训练条件下持续更新模型、保持历史知识并提升泛化能力的增量更新框架。
**二、总体研究与结论**
研究人员提出了一种集成数据增强、堆叠集成学习、自适应加权和经验回放的增量更新框架。该框架以BO-CTGAN解决低碳混凝土数据稀疏与非均匀分布问题，以堆叠集成模型（SEIM）为核心确保预测精度，通过自适应加权策略动态调整各基学习器对新数据的贡献，并利用经验回放机制保留历史知识以防止灾难性遗忘。研究结果表明，该框架能够有效提升多源数据集的预测性能，显著减少由新数据涌入引起的重复训练和鲁棒性下降。该研究发表在《Developments in the Built Environment》期刊上，其方法不仅适用于低碳混凝土，还可推广至其他多源数据集的预测任务。
**三、关键技术方法**
研究人员收集了已发表高质量期刊中的多源实验数据集，总样本量为1496组，分为再生骨料混凝土数据集（RACD，411组）、天然骨料混凝土数据集（NACD，339组）和低碳混凝土数据集（LACD，746组），共包含14个输入变量和1个输出变量f
cm（混凝土抗压强度）。核心方法包括：BO-CTGAN合成数据生成与物理约束筛选；以MLP、SVM、RF为基模型、XGB为元模型的堆叠集成模型；基于记忆缓存和经验回放的增量更新机制；基于MSE误差响应的自适应权重调节；采用K-S检验、P值、相关性分析与CDF评估合成数据质量；采用分裂保形预测量化不确定性，并通过SHAP分析提供模型可解释性。另有40组新发表文献数据作为独立外部验证集。
**四、研究结果**
**（1）BO-CTGAN数据增强质量评估**
通过相关性分析、累积分布函数（CDF）、K-S统计量及P值对合成数据与实验数据进行对比，发现所有变量的相关性差异均小于0.3，表明生成数据有效拟合了实验数据的特征分布。物理信息约束筛选进一步显示，合成数据的保留率为98.74%，其中WBNCA和WBtot的违规样本数最高，分别为41组和11组，而水胶比、SCM替代率等关键配比参数违规率为0。
**（2）基模型与SEIM预测性能对比**
经贝叶斯优化后的基模型预测性能排序为XGB > RF > MLP > SVM，XGB在实验数据上取得最高预测精度，R2=0.88，RMSE=3.36。基于堆叠策略构建的SEIM模型，以MLP、SVM和RF为基模型、XGB为元模型，在测试集上取得R2=0.92、RMSE=3.11、MSE=9.7，说明堆叠集成可有效综合多个基模型的互补机制，提升对未知空间的拟合能力。
**（3）增量更新过程的LOSS分析**
当训练规模（train size）从32增至64和128时，LOSSmean分别降低3.6%和7.5%；数据比例从0增至100时，LOSS最优值最多降低28.41%。训练规模越大，模型对数据多样性的学习能力增强，LOSSmean降低，但LOSSstd随之增大，表明模型需在训练稳定性与数据覆盖范围之间权衡。
**（4）组件贡献与知识保持能力**
消融实验中，完整增量更新模型W4在独立外部数据上的预测性能最佳，R2=0.95，RMSE=2.39，MSE=5.7，相较于完整重训练模型W1分别降低39.0%和63.0%。在历史数据记忆
