必贏3003no1線路檢測中心必贏3003no1線路檢測中心馮闖教授團隊在國際權威學術期刊《Construction and Building Materials》（中科院一區(qū)TOP期刊，IF=7.4）上發(fā)表題為“Comparison of traditional and automated machine learning approaches in predicting the compressive strength of graphene oxide/cement composites”的研究論文。2021級碩士研究生楊金龍為該論文的第一作者，馮闖教授為通訊作者，必贏3003no1線路檢測中心必贏3003no1線路檢測中心為第一通訊單位。
氧化石墨烯增強水泥復合材料（GORCCs）的抗壓強度（CS）預測對于加速其在土木工程中的潛在應用至關重要。然而，傳統(tǒng)的實驗和理論建模存在耗時、成本高、效率低等問題，同時考慮多種耦合因素的影響也具有挑戰(zhàn)性。這項工作首次開發(fā)了探索GORCCs的CS與多個耦合因素之間復雜關系的機器學習（ML）方法。結果表明，所開發(fā)的模型可以準確預測GORCCs的CS。特征重要性分析表明，超聲分散GO在聚羧酸減水劑溶液中是實現(xiàn)良好分散的最有利的分散方法。在使用的 ML 模型中，我們發(fā)現(xiàn) AutoGluon-Tabular (AGT) 模型不僅表現(xiàn)出最高的預測置信度，而且還提供了更好的結果可解釋性。此外，與傳統(tǒng)的ML工作流程相比，用戶可以更有效地訓練AGT模型，避免了耗時的超參數(shù)調(diào)整過程。
文章在線網(wǎng)址：https://doi.org/10.1016/j.conbuildmat.2023.132179
作者：必贏3003no1線路檢測中心；審核：楊會峰
