研究人员开发了一个数据驱动的机器学习框架，用于预测纤维增强高性能混凝土在不同温度下的抗压强度。该研究评估了八种模型，发现梯度提升和极端梯度提升等集成方法表现最佳，R^2 达到 0.903。可解释性技术揭示，温度是影响强度的最重要因素，其次是骨料和水的含量，随着温度升高，强度降低。创建了一个基于 Python 的 GUI，以便使用开发的模型进行轻松预测。 AI
影响 提供了一种精确且易于理解的评估温度依赖性抗压强度的方法，有助于混凝土的数据驱动设计。
排序理由 学术论文，详细介绍了新方法和研究结果。[lever_c_demoted from research: ic=1 ai=0.7]
- arXiv
- Fiber-Reinforced High-Performance Concrete
- gradient boosting
- Hugging Face
- Partial Dependence Analysis
- Python
- Shapley Additive Explanations
- XGBoost
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
