第４１卷第１期佳木斯大学学报（自然科学版）Ｖｏｌ．４１Ｎｏ．１２０２３年０１月ＪｏｕｒｎａｌｏｆＪｉａｍｕｓｉＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｊａｎ．２０２３文章编号：１００８－１４０２（２０２３）０１－０１４０－０７基于耦合ＢＡＳ－ＭＬＰ预测混凝土抗压强度①胡畔１，汪芳２，董宇３，胡文涛４（１．慕尼黑工业大学土木工程学院，德国慕尼黑８０３３３；２．武汉华夏理工学院土木工程学院，湖北武汉４３０２２３；３．湖南工业大学土木工程学院，湖南株洲４１２００７；４．武汉华夏理工学院信息工程学院，湖北武汉４３０２２３）摘要：混凝土抗压强度对建筑质量有很大影响，依据相关参数对强度进行准确预测，可以为现场施工提供参考。论文以人工神经网络（ＭＬＰ）为基础，提出一种基于耦合天牛搜索算法ＢＡＳ－ＭＬＰ对混凝土抗压强度进行预测。论文选取１０３０组混凝土试样进行数据仿真分析，并与基于ＳＣＥ－ＭＬＰ，ＭＶＯ－ＭＬＰ耦合模型结果对比分析均方根差ＲＭＳＥ和相关系数Ｒ２。通过对所提出耦合模型的有效性研究，主要探索了预测混凝土抗压强度的最优训练算法。结果表明，基于ＢＡＳ训练的ＭＬＰ模型ＲＭＳＥ和Ｒ２优于其他两个算法，可以更快速、准确地对混凝土抗压强度进行预测。关键词：混凝土抗压强度；耦合；多层感知器；均方根差；相关系数中图分类号：ＴＵ５２８文献标识码：Ａ０引言商品混凝土在我国已有多年发展历史，其广泛应用于交通、建筑、水利等工程项目中。能否准确的预测混凝土抗压强度是混凝土产品质量的重要保证［１］，也是提高工程质量的前提条件。当前对普通混凝土抗压强度值描述和预测通常用灰水比为主线性函数来进行［２］。近些年，许多学者开始使用机器学习来分析混凝土抗压强度与相关因素之间的关系。Ｐｈａｍ［３］等人（２０１６年）提出了最小二乘支持向量回归（ＬＳ－ＳＶＲ）和萤火虫算法（ＦＡ）的耦合来预测高性能混凝土抗压强度。Ｂｕｉ［４］等人（２０１８年）可以成功地将优化改进后ＦＡ算法与人工神经网络来设置权值和阀值。ＴｉｅｎＢｕｉ［５］等人（２０１９年）比较了基于鲸鱼（ＷＯＡ）、蜻蜓（ＤＡ）和蚂蚁（ＡＣＯ）觅食行为的有效元启发式技术在预测２８天混凝土抗压强度方面的效率优化，这些算法与人工神经网络相结合，以优化权值和阀值。Ｄｕ－ａｎ［６］等人（２０２０年）测试了各种机器学习工具和自适应模糊神经网络（...
