アルカリ活性スラグ（AAS）ベースのセメントペースト充填材の非拘束圧縮強度を予測するための機械学習モデル

アルカリ活性スラグ（AAS）ベースのセメントペースト充填材（CPB）の非拘束圧縮強度（UCS）は、複数の設計パラメータに影響されます。しかし、実験的方法は、単一の設計パラメータとUCSとの関係を独立して理解することに制限されています。機械学習（ML）手法は、複数のパラメータと普通ポートランドセメント（OPC）ベースのCPBのUCSとの関係を理解する上で効率的であることが証明されていますが、AASベースのCPBに関するML研究は不足しています。本研究では、文献から収集したデータセットに基づいて、勾配ブースティング回帰（GBR）とランダムフォレスト（RF）を含む2つのアンサンブルML手法が構築され、さらにサポートベクター回帰（SVR）と人工ニューラルネットワーク（ANN）の2つの単一ML手法も用いられました。結果は、アンサンブル学習手法がAASベースのCPBのUCS予測において単一学習手法よりも優れていることを示しました。最も性能の良いモデル（GBR）に基づく相対的重要性分析では、養生時間と水対バインダー比がモデル内で最も重要な入力パラメータであることが示されました。最後に、最高の精度を持つGBRモデルがAASベースのCPBのUCS予測のために提案されました。