２０２３，Ｖｏｌ.３７，Ｎｏ.２ｗｗｗ．ｍａｔｅｒ⁃ｒｅｐ．ｃｏｍ２２０１００６８⁃１基金项目：国家自然科学基金联合基金项目（Ｕ２０４０２２２）；高性能土木工程材料国家重点实验室开放基金项目（２０２０ＣＥＭ０１１）ＴｈｉｓｗｏｒｋｗａｓｆｉｎａｎｃｉａｌｌｙｓｕｐｐｏｒｔｅｄｂｙｔｈｅＪｏｉｎｔＰｒｏｇｒａｍｏｆＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（Ｕ２０４０２２２）ａｎｄＯｐｅｎＦｏｕｎｄａｔｉｏｎＰｒｏｇｒａｍｏｆＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｉｇｈＰｅｒｆｏｒｍａｎｃｅＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇＭａｔｅｒｉａｌｓ（２０２０ＣＥＭ０１１）．ｌｉｕｊｉａｐｉｎｇ＠ｃｎｊｓｊｋ．ｃｎＤＯＩ：１０.１１８９６／ｃｌｄｂ.２２０１００６８基于机器学习回归模型的三峡大坝混凝土强度预测徐潇航１，胡张莉１，刘加平１，，李文伟２，刘建忠３１东南大学材料科学与工程学院，南京２１１１８９２中国长江三峡集团有限公司，北京１０００３８３江苏苏博特新材料股份有限公司，南京２１１１０３人工神经网络、决策树与支持向量机为目前混凝土强度预测的常用机器学习算法。为实现三峡大坝大体积混凝土原材料筛选以及配比经验的学习与应用，并对大坝维护以及其他水利工程的建设提供指导，本研究基于三峡大坝主体工程混凝土２８ｄ抗压强度数据，构建了原材料性能及配合比与混凝土强度之间的关系，并结合随机森林特征权重排序与统计分析的方法，确定了水泥用量、混凝土温度、水灰比为影响三峡大坝混凝土抗压强度的关键特征参数。探讨了常用机器学习算法对三峡大坝２８ｄ混凝土强度预测效果，依据固定特征参数、通用参数与超参数综合调优后的多种算法的预测结果对比可知，经体系化综合调优的Ｅｐｓｉｌｏｎ支持向量回归（ＳＶＲ）算法在预测中更优。关键词混凝土三峡工程抗压强度机器学习模型调优中图分类号：ＴＰ１８１；ＴＰ１８３；ＴＵ５０２＋．６；ＴＵ５２８．０１文献标识码：ＡＣｏｎｃｒｅｔｅＳｔｒｅｎｇｔｈＰｒｅｄｉｃｔｉｏｎｏｆｔｈｅＴｈｒｅｅＧｏｒｇｅｓＤａｍＢａｓｅｄｏｎＭａｃｈｉｎｅＬｅａｒｎｉｎｇＲｅｇｒｅｓｓｉｏｎＭｏｄｅｌＸＵＸｉａｏｈａｎｇ１，ＨＵＺｈａｎｇｌｉ１，ＬＩＵＪｉａｐｉｎｇ１，，ＬＩＷｅｎｗｅｉ２，ＬＩＵＪｉａｎｚｈｏｎｇ３１ＳｃｈｏｏｌｏｆＭａｔｅｒｉａｌｓＳｃｉｅｎｃｅａ...
