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：WEILinggang  HUANGLiang  ZENGLinghong
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)  variableselection  concretewithlithiumslag  compressivestrength  
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

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

文件大小:

3.48 MB

高速下载