基于数据驱动方法预测碱激发材料抗压强度并结合 SHapley Additive exPlanations (SHAP) 分析影响参数的相关性

本研究利用基因表达式编程（GEP）和多基因表达式编程（MEP）来测定碱激发材料（AAM）的抗压强度（CS），以对比并开发更可靠的基于遗传算法的预测模型。为了进一步了解原材料如何影响 AAM 的 CS 及其相互作用，进行了 SHapley Additive exPlanations (SHAP) 分析。基于已发表的文献，构建了一个包含 676 个数据点及 15 个影响参数的综合数据集。根据本研究，在考虑 15 个输入变量的影响下，两种遗传算法产生的结果均接近实验所得 CS（从文献中检索）。对比 GEP 和 MEP 模型的性能时发现，MEP 模型（R2 为 0.86）的性能优于 GEP 模型（R2 为 0.82）。对所生成模型的统计参数评估表明，MEP 模型更为有效。此外，SHAP 分析表明，矿渣含量、试件龄期、硅酸钠和养护温度与 AAM 的 CS 呈正相关，且是最重要的参数。结果还揭示了 FA 和矿渣中化学成分（即 CaO、SiO2、Al2O3）对 AAM 抗压强度的重要性。所建立的模型可用于计算不同输入参数值下 AAM 的 CS，从而最大程度减少不必要的实验室测试所耗费的人力、时间和成本。此外，SHAP 研究的结果或有助于研究人员和工业界在生产 AAM 时确定原材料的用量或配比。