본 연구에서는 나노 첨가제(나노 점토(NC) 및 나노 실리카(NS))의 조합이 25 °C에서 800 °C 사이의 온도에 노출된 콘크리트의 압축 강도(CS)에 미치는 시너지 효과를 극단적 경량 부스팅(XGB)과 랜덤 포레스트(RF) 알고리즘의 두 가지 기계 학습(ML) 기술을 사용하여 모델링하였다. NC 용량, NS 용량, 온도 및 지속 시간의 네 가지 입력 매개변수를 사용하여 169개의 압축 강도 결과로 구성된 데이터 세트를 예측 모델의 원시 데이터로 활용하였다. 결과는 예측에서 높은 정확도를 달성하고 오류가 거의 없는 XGB 모델의 우수한 성능을 나타내었다. 또한 SHAP 분석은 온도가 나노 수정 콘크리트의 CS 예측에 가장 높은 부정적 영향을 미친다는 것을 보여주었다. 부분 의존도 플롯(PDP)과 함께 개별 조건부 기대값(ICE)은 최대 압축 강도를 유도하는 NS와 NC의 최적 용량이 각각 시멘트 중량의 (2~3%) 및 (5~6%)임을 보여주었다. 개발된 모델은 혼합 설계 최적화 도구로 사용될 수 있어 내화성을 향상시키고, 더 내구성이 있고 지속 가능한 콘크리트 건설에 기여하며 비용이 많이 드는 실험적 시험의 필요성을 줄일 수 있다.
Dahish et al. (화요일)은 이 질문을 연구하였다.