传统上,一个具体的混合设计在实验室准备试验批次来满足设计要求。这种方法受到指数增加所需数量的样品和实验,许多混合目标(UCS、成本、磁导率、密度、等等)需要优化或许多影响变量,比如水灰比、不同类型的罚款和粗骨料,强塑剂,和各种辅助胶结材料,被认为是在优化。此外,养护环境的可变性(温度和湿度)和组成属性(聚合的大小和形状和类型的胶结材料)甚至可能导致边际差异具体表现相同的混合比例。

混凝土混合料的优化是出于一个不断增长的需要设计师创建混凝土混合物,满足多个-通常竞争性能要求,包括成本,物理性能,机械性能,等。满足多个目标与大量的竞争影响变量是耗时和昂贵的,甚至是不可能使用实验室实验。因此,机器学习模型和优化算法可以应用于解决这个问题。混凝土性能之间的复杂关系及其组件可以准确地由机器学习模型。与此同时,优化算法可以搜索最优组件组合达到最佳性能的混凝土。

这个特殊问题的目的是发布原创的研究和评论文章,涉及不同的方面的设计和优化混凝土混合物使用机器学习的方法。研究认为许多客观混合优化多功能混凝土尤其受欢迎。

潜在的主题包括但不限于以下:

• 造型具体属性的函数其组件使用先进的机器学习技术,包括数据预处理、回归、分类、聚类、降维,整体方法和深度学习
• 改善现有的机器学习模型使用的普遍性的大规模数据建设和建筑材料
• 设计智能系统将机器学习算法自动实际设计的混凝土材料
• 优化混凝土的许多目标,如强度、成本、衰退,密度等,使用机器学习和优化算法(如metaheuristic算法)
• 开发新的机器学习算法和metaheuristic混凝土混合料设计算法
• 使用机器学习技术发现新胶结材料