预测混凝土固碳潜力:先进机器学习模型的比较评估

《Materials Today Communications》:Predicting Carbon Sequestration Potential in Concrete: A Comparative Evaluation of Advanced Machine Learning Models

【字体: 大 中 小 】 时间:2026年08月29日 来源:Materials Today Communications? 3.7

编辑推荐:

   摘要混凝土中的碳封存已成为实现净零目标的主要策略之一。鉴于水泥基材料中碳化反应的非线性本质以及多种因素的影响,开发相关的机器学习 (ML) 模型进行预测和验证至关重要。本研究基于一个详细且综合的数据集,利用先进的机器学习模型预测混凝土中的 CO2 吸收量,该数据集包含胶凝材料

  

摘要

混凝土中的碳封存已成为实现净零目标的主要策略之一。鉴于水泥基材料中碳化反应的非线性本质以及多种因素的影响,开发相关的机器学习 (ML) 模型进行预测和验证至关重要。本研究基于一个详细且综合的数据集,利用先进的机器学习模型预测混凝土中的 CO2 吸收量,该数据集包含胶凝材料含量、水胶比 (w/b)、氧化钙 (CaO) 含量、骨料公称粒径 (Dmax)、碳化压力、初始预碳化养护时间以及碳化时间。本研究采用了多种机器学习模型来预测单位胶凝材料质量的 CO2 吸收量,包括高斯过程回归 (GPR)、支持向量机 (SVM)、随机森林 (RF)、符号回归 (SR)、带贝叶斯优化的混合集成回归 (HERM)、增强型猫群优化算法 (ESCO) 以及堆叠集成回归 (STAKD)。ReliefF 算法表明,初始养护时间、水胶比 (w/b) 和碳化时间是影响碳化效率的主要因素。研究结果表明,SR 模型具有卓越的预测准确性和泛化能力,训练 R2值为 0.98,测试 R2值为 0.90,且均方根误差 (RMSE) 为 1.96%,平均绝对误差 (MAE) 为 1.23%。STAKD 和 HERM 等集成模型也表现良好,在拟合和预测方面均达到了优异的准确性。最后,本研究基于 SR 模型推导出了一个显式数学方程用于直接计算,并基于 STAKD 框架开发了一个图形用户界面 (GUI) 用于自动预测 CO2 吸收量。
Jad Bawab|Hilal El-Hassan|Mohamed M. Kamra|Abdulkader El-Mir
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号