TY -的A2 -阴,大为AU - Hameed,默罕默德·马吉德盟——Abed阿巴斯穆斯塔法盟——安Nadhir AU - Alomar,默罕默德·哈立德PY - 2022 DA - 2022/03/23 TI -混凝土抗压强度预测含工业废料:小说和混合动力机器学习模型SP - 5586737六世- 2022 AB -在建筑和水泥制造业的发展,人工智能模型得到了显著的进步和关注。探讨混合模型进行预测的能力,混凝土的抗压强度(CS)的水泥地面部分替换为粒状高炉矿渣( FS )和粉煤灰( 足总 )材料。准确的估计CS可以降低成本和实验室测试。以来的传统计算方法CS是复杂的,需要很多的努力,本文提出了新的预测模型 SVR − 算法 和 SVR − 遗传算法 杂交的支持向量回归( SVR )和改进的粒子群算法( 算法 )和遗传算法( 遗传算法 )。此外,混合模型(例如, SVR − 算法 和 SVR − 遗传算法 )第一次被用于预测CS的混凝土水泥组件部分取代。改进的 算法 和 遗传算法 给出了重要作用在调优的hyperparameters SVR模型,对模型精度有重要影响。建议模型评估反对极端学习机(ELM)通过定量和视觉评估。模型评估使用八个统计参数,然后SVR-PSO比比较模型提供了最高的精度。例如, SVR − 算法 在测试阶段提供更少的均方根误差 RMSE 与1.386 MPa,更高Nash-Sutcliffe模型效率系数( 不 在95%(0.972),和更低的不确定性 U 95年 )为28.776%。另一方面, SVR − 遗传算法 和 榆树 模型提供了较低的精度 RMSE 2.826 MPa和2.180, 不 与0.883和0.930 U 95年 518.686 - 183.182,分别。灵敏度分析进行选择的影响参数显著影响 CS 。总体而言,该模型显示一个好的预测混凝土中水泥的CS部分取代,超过14模型开发的先前的研究。SN - 1687 - 8086 UR - https://doi.org/10.1155/2022/5586737 - 10.1155 / 2022/5586737摩根富林明土木工程的进步PB - Hindawi KW - ER