第26卷第2期2023年2月建筑材料学报JOURNALOFBUILDINGMATERIALSVol.26，No.2Feb.，2023基于GBDT算法的混凝土叠合面黏结强度预测分析王建民1，叶钰蓉1，饶超敏1，卓仁杰2，柳俊哲1，3，*（1.宁波大学土木与环境工程学院，浙江宁波315211；2.电子科技大学计算机科学与工程学院，四川成都611731；3.青岛农业大学建筑工程学院，山东青岛266109）摘要：制备了陶粒轻骨料混凝土与普通混凝土叠合试块，以分组试验数据为小样本，采用端到端的梯度提升决策树（GBDT）集成学习算法，建立了混凝土叠合面处理方式、浇筑间隔时间及法向作用力等输入特征参数与叠合面黏结强度之间的预测模型；并将GBDT模型预测结果与支持向量回归、K近邻回归、决策树和BP神经网络等模型的预测结果进行综合对比.结果表明：GBDT模型预测结果的拟合优度、平均绝对误差和均方根误差均优于其它模型，其测试样本集的平均相对误差明显小于其它模型.所建立的GBDT模型具有较高的准确率，可对混凝土叠合面黏结强度的变化进行满意的预测分析.关键词：叠合混凝土；GBDT算法；黏结性能；黏结强度；陶粒；预测分析中图分类号：TU528.2文献标志码：Adoi：10.3969/j.issn.1007-9629.2023.02.006PredictiononCompositeInterfaceBondingStrengthbetweenCeramsiteLightweightAggregateConcreteandNormalConcreteBasedonGBDTAlgorithmWANGJianmin1，YEYurong1，RAOChaomin1，ZHUORenjie2，LIUJunzhe1，3，*（1.SchoolofCivilandEnvironmentalEngineering，NingboUniversity，Ningbo315211，China；2.SchoolofComputerScienceandEngineering，UniversityofElectronicScienceandTechnologyofChina，Chengdu611731，China；3.SchoolofArchitectureEngineering，QingdaoAgriculturalUniversity，Qingdao266109，China）Abstract:Bymakingcompositeblocksofceramsitelightweightaggregateconcrete（LWAC）andnormalconcrete（NC），theend-to-endgradientboostingdecisiontree（GBDT）predictingmodelwasproposedbasedonthegroupingexperiment，whichcorrelatescompositeinterfacepreparingmethod，castingintervaltimeandnormalforceoncompositeinterfacetobondingstrengthbetweenLWACandNC.TheresultsfromGBDTbondingstrengthpredictionmodelarecomparedwiththosefromthesupportvectormachineregressionmodel，K-nearestneighborregressionmodel，thedecisiontreeandBPneuralnetwork.Thecomparisonshowstha...
