基于改进SVM方法的再生骨料混凝土抗压强度预测研究

《Scientific Reports》：Recycled aggregate concrete based on an improved SVM method a study on the prediction of compressive strength

　　

摘要

再生骨料混凝土（RAC）的配合比设计长期以来依赖于大量试错试验，这不仅成本高昂、耗时费力，而且现有的经验模型也难以准确捕捉材料组分与抗压强度之间的复杂非线性关系。为应对上述挑战，本研究旨在开发一种兼具高精度与可解释性的RAC抗压强度预测方法，从而为再生材料的工程应用提供数据驱动支持。为此，本研究提出了一种混合核支持向量回归（SVR）模型，其核心创新在于对线性核和径向基函数（RBF）核进行加权组合。这使得模型能够同时捕捉RAC配合比设计参数与抗压强度之间的全局线性趋势（由线性核主导）和局部非线性波动（由RBF核主导），从而克服了单一核函数在表征复杂材料系统方面的局限性。基于178组实验数据，本研究构建了一个综合数据库。研究从胶凝系统、骨料含量和骨料特性三个层级中系统选取了九个输入变量，并采用网格搜索结合五折交叉验证对模型超参数（C、σ、λ）进行了系统优化。结果表明，最优混合核SVR模型在测试集上取得了0.99506的决定系数（R²p）和0.52589 MPa的均方根误差（RMSEP），其预测精度显著优于线性核SVR模型（R²p = 0.88116，RMSEP = 2.9519 MPa）。十轮五折交叉验证显示，混合核SVR的平均R²为0.993，其95%置信区间[0.989, 0.997]与线性核模型的置信区间[0.786, 0.852]无重叠（p < 0.01），证实了该模型预测精度的统计显著性与稳健性。本研究首次将混合核策略系统地引入RAC强度预测领域，填补了在高变异再生混凝土材料系统中该方法的研究空白；通过排列重要性分析，确定了水泥含量、用水量和再生粗骨料含量是影响强度的主要因素，从而增强了模型的物理可解释性；所建立的模型在有限样本条件下实现了高精度预测，为减少配合比试验次数和降低材料研发成本提供了可行工具。该方法还可进一步扩展至其他建筑固废材料的性能预测，对推动固废资源化利用和低碳建筑具有积极意义。