【技术实现步骤摘要】
本申请涉及土木工程材料强度预测，具体涉及一种基于机器学习的玄武岩纤维橡胶颗粒混凝土强度预测方法。
技术介绍
1、随着煤矿开采深度的不断增加，深部矿井的“三高一扰动”环境使巷道支护问题愈发复杂，这已促使支护理念由传统的“被动支护”向更主动、灵活的方向转变。橡胶颗粒混凝土因其优良的弹性和可压缩性而被用于深部高应力巷道的让压(卸压)支护。然而，混凝土中掺入橡胶颗粒会降低其抗压强度。为解决这一问题，部分学者在橡胶颗粒混凝土中掺入玄武岩纤维来提高其力学性能。尽管取得了一定进展，但传统试验方法在玄武岩纤维橡胶颗粒混凝土配比设计中存在低效耗时问题，迫切需要提出一种快速、高效、省时的玄武岩纤维橡胶颗粒混凝土强度预测方法。
2、由于玄武岩纤维橡胶颗粒混凝土的组成材料种类繁多，基于机器学习预测其强度时，数据的特征变量选择、可靠性、规模尤为重要，特别是玄武岩纤维和橡胶颗粒的物理力学性质及几何特征是影响强度的两个重要因素。此外，选择合适的模型性能评价指标对预测结果精度也至关重要。因此，综合考虑材料特性、数据特征以及模型评估指标，将有助于提高混凝土强
【技术保护点】
1.一种基于机器学习的玄武岩纤维橡胶颗粒混凝土强度预测方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的玄武岩纤维橡胶颗粒混凝土强度预测方法，其特征在于，所述获取历史玄武岩纤维橡胶颗粒混凝土抗压试验数据并将所述试验数据划分为输入变量和输出变量，包括：
3.根据权利要求2所述的基于机器学习的玄武岩纤维橡胶颗粒混凝土强度预测方法，其特征在于，所述的输入变量包括玄武岩纤维用量BF、橡胶颗粒用量RP、橡胶颗粒平均粒径RPS、水泥用量C、水泥强度等级CL、细集料用量FA、细集料细度模数FM、粗集料用量CA、粗集料平均粒径CAS、减水剂用量W...
【技术特征摘要】
1.一种基于机器学习的玄武岩纤维橡胶颗粒混凝土强度预测方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的玄武岩纤维橡胶颗粒混凝土强度预测方法，其特征在于，所述获取历史玄武岩纤维橡胶颗粒混凝土抗压试验数据并将所述试验数据划分为输入变量和输出变量，包括：
3.根据权利要求2所述的基于机器学习的玄武岩纤维橡胶颗粒混凝土强度预测方法，其特征在于，所述的输入变量包括玄武岩纤维用量bf、橡胶颗粒用量rp、橡胶颗粒平均粒径rps、水泥用量c、水泥强度等级cl、细集料用量fa、细集料细度模数fm、粗集料用量ca、粗集料平均粒径cas、减水剂用量wr、粘结剂b和水用量w。
4.根据权利要求3所述的基于机器学习的玄武岩纤维橡胶颗粒混凝土强度预测方法，其特征在于，所述的水泥强度等级cl为分类变量，对于m种不同强度等级的水泥，cl值依次设置为1、2、…、m。
5.根据权利要求1所述的基于机器学习的玄武岩纤维橡胶颗粒混凝土强度预测...
【专利技术属性】
技术研发人员：吴多华，柳洪源，刘亚群，张健，高强，任喆，聂健，
申请(专利权)人：中国科学院武汉岩土力学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。