21、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

不同机器学习方法的统计指标对比

不同的机器学习（ML）方法在预测混凝土性能方面有着不同的表现，通过一些统计指标可以对它们进行评估。以下是几种常见ML方法的统计指标对比：
| ML方法 | RMSE | MAE | MAPE | r - 值 | OBJ |
| ---- | ---- | ---- | ---- | ---- | ---- |
| ANN | 1.7143 | 1.1591 | 4.5759 | 0.9561 | 1.5957 |
| FL | 2.5189 | 1.6748 | 6.6711 | 0.9028 | 2.2550 |
| SVR | 1.7941 | 1.1403 | 4.5586 | 0.9548 | 1.6920 |
| RBFNN | 1.9655 | 1.4668 | 5.9627 | 0.9423 | 1.8966 |

从这些指标可以看出，通过比较四个软计算模型的OBJ值，开发的ANN模型显示出最高的效率，其次是开发的SVR模型。这意味着在这些方法中，ANN在预测混凝土性能方面可能具有更好的综合表现。

不同研究中ML模型的对比

不同的研究者利用不同的ML方法，根据统计指标来比较它们的性能。以下是一些研究中不同ML算法的对比总结：
| Refs. | 混凝土类型 | ML方法 | 数据集大小 | 输出 | R | R² | MSE | RMSE | MAE |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | <