20、利用机器学习方法预测现代混凝土性能

利用机器学习方法预测现代混凝土性能

1. 机器学习在碱激活混凝土（AAC）中的应用

在碱激活混凝土领域，众多研究者运用机器学习（ML）算法来预测其各项性能。以下是部分研究的总结：
| 参考文献 | 年份 | 输入参数 | 输出参数 | 预测方法 |
| ---- | ---- | ---- | ---- | ---- |
| Upreti 等 [77] | 2022 | 粉煤灰、额外水、坍落度、密度、粗骨料、细骨料、NaOH 溶液、硅酸钠、减水剂、粒化高炉矿渣粉（GGBFS） | 抗压强度、劈裂抗拉强度、抗弯强度 | 人工神经网络（ANN）、随机森林（RF） |
| Tang 等 [78] | 2022 | Na₂SiO₃、NaOH、水、养护类型、水胶比（w/b）、粒化高炉矿渣、比表面积、Na₂O、激发剂的硅模量、细骨料与总骨料比例 | 抗压强度 | 人工神经网络（ANN） |
| Qin 等 [79] | 2022 | 激发剂的碱浓度（Na₂O%）、激发剂模量、水胶比（w/b）、矿渣表面积、矿渣碱度指数 | 抗压强度 | 人工神经网络（ANN）、交替条件期望 |
| Ahmad 等 [26] | 2021 | 粉煤灰、粗骨料、细骨料、NaOH、硅酸钠、二氧化硅、氧化钠、NaOH 摩尔浓度、养护时间 | 抗压强度 | Adaboost、人工神经网络（ANN）、提升算法 |
| Ibrahim 等 [80] | 2021 | 纳米二氧化硅、时间 | 耐酸性下的强度和重量损失 | 人工神经网络（ANN）、响应面法（RSM） |
| Van Dao 等 [41] | 2019 | 粉煤灰、Na₂SiO₃、NaOH、水 | 抗压强度 | 自适应神经