基于改进特征筛选的随机森林算法对锂渣混凝土强度的预测研究
文档名：基于改进特征筛选的随机森林算法对锂渣混凝土强度的预测研究
摘要：本工作提出了特征变量筛选结合特征变量相关性的方法,对构建的锂渣混凝土28d抗压强度数据库进行优化,分别建立了随机森林模型和深度神经网络模型用于测试数据库,并以相关系数(R)、均方根误差(RMSE)和平均相对误差(MAE)三个指标对模型的预测结果进行对比分析.结果表明,预测锂渣混凝土的28d抗压强度时,采取改进的特征变量筛选方法能够有效提高模型的预测效果,此外,特征变量筛选的前后随机森林(RF)模型的预测效果明显优于深度神经网络(DNN)模型.
Abstract：Thisworkproposedthemethodoffeaturevariablescreeningcombinedwithfeaturevariablecorrelationtooptimizetheconstructed28-daycompressivestrengthdatabaseoflithium-slagconcrete,andestablishedrandomforestmodelanddeepneuralnetworkmodelfortestingthedatabase,respectively,andcomparedthepredictionresultsofthemodelswiththreeindicators:correlationcoefficient(R),rootmeansquareerror(RMSE)andmeanrelativeerror(MAE).Theresultsshowthattheimprovedfeaturevariablescreeningmethodcaneffectivelyimprovethepredictioneffectofthemodelwhenpredictingthe28-daycompressivestrengthoflithium-slagconcrete,andinaddition,thepredictioneffectofthebefore-and-afterrandomforest(RF)modelwithfeaturevariablescreeningissignificantlybetterthanthatofthedeepneuralnetwork(DNN)model.
作者：魏令港黄靓曾令宏Author：WEILinggangHUANGLiangZENGLinghong
作者单位：湖南大学土木工程学院,长沙410082
刊名：材料导报 ISTICEIPKU
Journal：MaterialsReports
年，卷(期)：2024, 38(9)
分类号：TU528TP312
关键词：随机森林(RF)深度神经网络(DNN)特征变量筛选锂渣混凝土抗压强度
Keywords：randomforest(RF)deepneuralnetwork(DNN)variableselectionconcretewithlithiumslagcompressivestrength
机标分类号：TU528TP391.41TU375
在线出版日期：2024年6月28日
基金项目：基于改进特征筛选的随机森林算法对锂渣混凝土强度的预测研究[
期刊论文]材料导报--2024, 38(9)魏令港黄靓曾令宏本工作提出了特征变量筛选结合特征变量相关性的方法,对构建的锂渣混凝土28d抗压强度数据库进行优化,分别建立了随机森林模型和深度神经网络模型用于测试数据库,并以相关系数(R)、均方根误差(RMSE)和平均相对误差(MAE)三...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进特征筛选的随机森林算法对锂渣混凝土强度的预测研究Using Random Forest with Improved Variable Selection to Predict the Compressive Strength of Concrete with Lithium Slag
基于改进特征筛选的随机森林算法对锂渣混凝土强度的预测研究.pdf
页:
[1]