基于机器学习的超高性能混凝土强度预测研究.pdf

摘要

本文综合探讨了超高性能混凝土（UHPC）的抗压强度预测问题，尤其是通过

算术优化算法（AOA）优化的支持向量回归（SVR）模型对UHPC抗压强度的预

测研究。研究表明，AOA-SVR模型不仅能够准确预测UHPC的抗压强度，而且该

模型的应用为UHPC的实践提供了有力的理论支持。通过精确预测UHPC的性能，

可以有效推动UHPC在工程应用中发挥更大作用。研究工作如下：

（1）本文对UHPC的技术发展和历史进行介绍，总结了国内外在ANN、SVR、

以及UHPC研究领域的必威体育精装版进展和成果。明确本文的主要研究内容和意义，提出

采用AOA优化SVR模型进行UHPC抗压强度预测的方法，以及这一研究对UHPC

实际工程应用的重要性。

（2）本文首先对SVR和AOA进行了理论概述，包括SVR的基本原理、执

行流程以及特点，同时介绍了AOA的原理和特性。通过理论分析，展示了AOA

算法优化SVR模型在UHPC抗压强度预测方面的技术可行性和优势。

（3）研究深入分析了影响UHPC抗压强度的主要因素，包括水胶比、钢纤维

含量、减水剂使用和矿物掺合料等，通过实验数据分析这些因素对UHPC抗压强

度的影响规律。这为模型的变量选择和数据处理提供了科学依据。

（4）通过收集和处理UHPC的实验数据，利用AOA算法对SVR模型进行优

化处理。在变量组合因子分析基础上，构建模型，进行UHPC的抗压强度预测。

通过模型训练及预测分析，验证了优化后的AOA-SVR模型在UHPC抗压强度预

测方面具有出众性能和计算效率。

（5）本文通过对UHPC进行随机性验证实验研究，进一步证实机器学习模型

在预测UHPC性能方面的可行性和有效性。实验结果与模型预测值的对比分析进

一步证实了AOA-SVR模型的高准确性和可靠性。

关键词：超高性能混凝土，抗压强度，预测研究，支持向量回归，算术优化算法

ResearchonUltra-HighPerformanceConcreteStrength

PredictionBasedonMachineLearning

Abstract

Thispapercomprehensivelydiscussestheissueofpredictingthecompressive

strengthofUltra-HighPerformanceConcrete(UHPC),particularlythroughthestudyof

aSupportVectorRegression(SVR)modeloptimizedbytheArithmeticOptimization

Algorithm(AOA).ThestudydemonstratesthattheAOA-SVRmodelcannotonly

accuratelypredictthecompressivestrengthofUHPCbutalsoitsapplicationprovides

robusttheoreticalsupportforthepracticaluseofUHPC.Bypreciselypredictingthe

performanceofUHPC,itcaneffectivelypromoteabroaderapplicationofUHPCin

engineering.Theresearchworkisasfollows:

(1)ThispaperintroducesthetechnologicaldevelopmentandhistoryofUHPC,

summarizingthelatestprogressandachievementsinthefieldsofANN,SVR,andUHPC

researchbothdomes