|
文献速读 Constr. Build. Mater.：基于机器学习的碳纳米管对水泥基材料抗压强度影响研究  题目 题目：The study of effect of carbon nanotubes on the compressive strength of cement-based materials based on machine learning 基于机器学习的碳纳米管对水泥基材料抗压强度影响研究 关键字 关键字：机器学习；碳纳米管；水泥基材料；抗压强度 来源 出版年份：2022 来源：Construction and Building Materials 课题组：北京科技大学Hongwen Li课题组 研究背景 近年来，纳米增强水泥基材料得到了广泛的研究。 常见的纳米材料包括纳米二氧化硅、石墨烯和碳纳米管。纳米材料掺入水泥基材料后，可以起到填充孔隙和与水化产物反应的作用。碳纳米管(CNTs)具有优异的物理和力学性能。碳纳米管的种类很多、性能各异。 研究出发点 影响碳纳米管增强水泥基复合材料抗压强度的因素有很多，然而，目前还缺乏对碳纳米管各种性能对水泥基材料抗压强度影响的综合研究。此外，水泥基材料的性能预测及影响因素分析受到众多学者的关注，对于CNTs/水泥基复合材料，由于CNTs的性质较多（如长度、直径、含量和分散特性），仅通过实验和公式拟合很难准确预测其抗压强度。因此，也很难分析各种因素的影响。 研究内容 本文研究了利用机器学习预测掺入CNTs的水泥基材料的抗压强度，并确定了CNTs性能的最佳参数。线性回归 (LR)、支持向量回归 (SVR)、随机森林 (RF) 和极端梯度提升 (XGB) 分别用于预测水泥浆、砂浆和混凝土的抗压强度。研究发现，三种体系的RF和XGB模型的预测R2均大于0.9，XGB的准确率更高。将三个体系的数据组合成一个新的数据集，使用RF和XGB进行预测。结果表明，RF和XGB的预测误差相同，R2为0.93。CNTs的含量和直径对三种体系均有明显影响，CNTs在混凝土中的影响程度小于净浆和砂浆。通过SHAP分析，确定了CNTs的最佳参数：CNTs的长度和直径的最佳值为20 μm和25 nm，掺量应在0.1 %以内。  图1 XGB模型的预测结果  图2水泥净浆、砂浆和混凝土的SHAP重要性分析  图3 混凝土的 SHAP 依赖图  图4 RF 和 XGB（多系统）的重要性分析   图5 多系统的 SHAP 依赖图 主要结论 本文使用四种机器学习模型来预测单系统和多系统的碳纳米管/水泥基复合材料的抗压强度。然后用SHAP模型对预测结果进行解释和分析。得到以下结论。 (1) 线性回归 (LR)、支持向量回归 (SVR)、随机森林 (RF) 和极端梯度提升 (XGB) 分别用于预测单一系统的水泥浆、砂浆和混凝土的抗压强度。结果表明LR和SVR存在过拟合。RF和XGB的预测结果比较满意，XGB的预测精度更高。 (2) 单体系SHAP结果表明，CNTs的长度、直径和含量对水泥浆体、砂浆和混凝土的抗压强度有显着影响，而表面活性剂和CNTs的种类影响不大。砂浆和浆体的CNTs含量均小于0.1%较为合适，分散时间为20~50 min时三种体系的分散效果最好。 (3) 将净浆、砂浆和混凝土的抗压强度数据设置为一个新的数据集，然后利用RF和XGB进行多体系预测。结果表明，RF和XGB均能成功实现多系统预测，两者精度一致。 (4) 多体系SHAP结果表明，CNTs的含量在0.1%以内为宜，CNTs的长度和直径最佳值为20 μm和25 nm。与单一体系相比，直径和分散时间随抗压强度变化的规律更为明显。CNTs在多体系预测中的性能最优值与单体系基本一致。 本期编者简介 翻译： 程博远 博士生 深圳大学 审核： 罗盛禹 硕士生 深圳大学 排版： 唐 杰 硕士生 深圳大学 本期学术指导 何 闯 博士后 深圳大学 龙武剑 教 授 深圳大学 文献链接： https:///10.1016/j.conbuildmat.2022.129435 |
|
|
