💻 computer science

Machine Learning and Bayesian Approaches for Concrete Compressive Strength Prediction: A Comparative Study Using the UCI Dataset

本研究评估了在 UCI 混凝土抗压强度数据集上的各种机器学习和贝叶斯方法，发现虽然经过贝叶斯优化的 XGBoost 提供了最高的预测准确度，但高斯过程回归在不确定性量化方面具有独特优势，且所有结果和工具均通过 R 代码和交互式 Shiny 应用公开提供。

原作者： Mayooran Thevaraja, Kathirgamanathan Pathmanathan

发布于 2026-08-18

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Mayooran Thevaraja, Kathirgamanathan Pathmanathan

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

混凝土是地球上消耗量最大的材料，构成了我们城市、桥梁和水坝的骨架。然而，制造混凝土的过程本身就是全球碳排放的重要来源，这主要是因为用于将混合物粘合在一起的水泥。随着建筑业寻求减少其环境足迹，工程师们正转向更复杂的配方，其中包括像粉煤灰和矿渣这样的替代成分。这些新混合物的预测难度更高，无法使用传统的试错法进行预测。最终产品的强度取决于一个复杂的因素网络：混合了多少水、混凝土的龄期，以及各种粉末和石材的具体比例。由于这些成分以复杂且非线性的方式相互作用，猜测正确的配比往往会导致浪费，甚至导致结构不安全。为了解决这个问题，研究人员越来越多地转向能够从过往数据中学习，并在混凝土浇筑之前预测其强度的计算机技术。

斯里兰卡贾夫纳大学的一个研究小组致力于测试不同的计算机学习方法在预测混凝土强度方面的表现如何。他们使用了一个著名的数据库，其中包含一千多个真实的混凝土混合实例，每个实例包含八种不同的成分和一个记录的强度测量值。研究人员将这些数据输入到几种不同类型的计算机模型中，以观察哪种模型能最好地学习其中的模式。他们将标准的统计方法与更先进的技术进行了对比，包括一种利用概率来解释不确定性的方法，以及通过构建许多小型决策树来进行最终预测的强大算法。他们的目标不仅是找到最准确的数值，还要了解哪些工具最适合建筑材料这种复杂的现实情况。

结果显示，在纯粹的准确性方面，有一个明显的胜出者。最成功的模型是一种被称为 XGBoost 的复杂算法，它能够以极高的精度预测混凝土的强度。在测试数据上，该模型的决定系数（R²）达到了 0.919，平均误差小于 5 兆帕（这是衡量压力和强度的标准单位）。另一种基于树的方法——随机森林（Random Forest）的表现也非常好，尽管其准确性略低。相比之下，一种基于高斯过程回归（Gaussian process regression）的方法——该方法以其展示预测不确定性的能力而闻名——在预测精确强度方面不如基于树的模型。尽管研究人员花时间对这种回归方法进行了参数微调，但改进非常微小，误差仅降低了不到 1%。这表明，对于这类特定数据，复杂的树状算法在寻找正确答案方面显然优于回归方法。

然而，这项研究强调，在工程领域，准确性并非是唯一的考量。虽然基于树的模型给出了最好的单一数值，但高斯过程回归提供了独特的东西：关于不确定性的完整图景。该方法不仅仅是说“强度将是 40 兆帕”，它还能提供一个可能的范围，告诉工程师强度可能在 35 到 45 兆帕之间。这种量化风险的能力对于安全至关重要，因为工程师不仅需要知道平均强度，还需要知道最坏的情况。研究人员使用了一种模拟技术来生成典型混凝土混合物的数千种可能结果，发现虽然平均强度约为 38 兆帕，但最低 5% 的结果约为 31 兆帕。这种概率性的洞察有助于工程师设计出即使在材料发生轻微变化时也能保持安全的结构。

分析还揭示了构成混凝土强度的深层因素。通过进行敏感性测试，研究人员证实，水与胶凝材料的比率是单个最重要的因素。随着水相对于水泥和其他胶凝材料比例的增加，强度会急剧下降。混凝土的龄期是第二个关键因素，强度在最初的一个月养护期内显著增长。研究还观察了强度如何随不同年龄组的变化，指出数据中最常见的测试周期是在 15 到 28 天之间，这占了几乎一半的样本。研究人员发现，随着混凝土年龄的增长，强度的波动性往往会增加，这反映了成分随时间变化的复杂相互作用。

为了确保这些发现能被工程师和学生所使用，团队不仅发布了数据，还开发了一个免费的交互式工具。他们创建了一个 Web 应用程序，允许任何人上传自己的混凝土混合数据或使用现有数据集，以查看实时的预测结果和不确定性范围。这个工具弥合了高级统计理论与建筑行业实际需求之间的鸿沟，使用户无需掌握编程知识即可尝试不同的配方。研究结论指出，虽然基于树的算法能提供最准确的预测，但对于现实世界的工程而言，最好的方法可能是将这些准确的模型与能够量化不确定性的方法结合使用，从而确保未来的建筑既高效又安全。

技术摘要：用于混凝土抗压强度预测的机器学习与贝叶斯方法

问题陈述
由于可持续性要求以及辅助胶凝材料（SCMs）的引入，现代混凝土配合比设计变得日益复杂。本文探讨了这一问题。传统的经验配合比设计方法已难以应对由相互依赖的参数（如水胶比、胶凝材料组成和养护条件）所定义的高维、非线性设计空间。此外，传统的确定性模型无法捕捉原材料和测试程序中固有的变异性，仅能提供点估计，而无法量化对于风险导向型结构工程决策至关重要的不确定性。

研究方法
本研究利用了 UCI 机器学习库中的混凝土抗压强度数据集，该数据集包含 1,030 个观测值，具有 8 个输入变量（水泥、矿渣、粉煤灰、水、减水剂、粗骨料、细骨料和龄期）和 1 个输出变量（抗压强度）。数据通过 z-score 标准化进行预处理，并分为训练集（80%）和测试集（20%）。

作者实现并比较了一系列计算方法：

机器学习模型： 线性回归、随机森林和 XGBoost（极端梯度提升）。
贝叶斯方法： 在三种配置下评估了高斯过程回归（GPR）：默认自动 $\sigma$ 估计、交叉验证 $\sigma$ 优化以及固定 $\sigma$ 。
超参数优化： 应用贝叶斯优化来调整 XGBoost 的超参数（nrounds, max_depth, eta, subsample, colsample_bytree）。
层次模型： 构建了一个以养护龄期组作为批次的层次贝叶斯模型，以捕捉多层变异性。
概率分析： 使用蒙特卡洛模拟（10,000 次迭代）为典型的配合比设计生成概率强度预测。
敏感性分析： 生成等高线图和特征重要性排名，以识别主导的配合比参数。

所有分析均在 R（版本 4.5.1）中进行，使用了 kernlab、xgboost、randomForest 和 caret 等程序包。

主要结果

预测性能： XGBoost 在测试集上实现了最高的预测精度， $R^2$ 为 0.919，RMSE 为 4.69 MPa。随机森林紧随其后， $R^2$ 为 0.869，RMSE 为 5.96 MPa。这两种基于树的集成方法在性能上显著优于线性回归（ $R^2$ = 0.599）和所有 GPR 配置。
GPR 性能： 默认 GPR 配置的 $R^2$ 为 0.794（RMSE = 7.47 MPa）。通过交叉验证进行的超参数优化仅带来了边际改进（ $R^2$ = 0.797，RMSE = 7.41 MPa），RMSE 降低了 0.8%。固定 $\sigma$ 配置的表现最差（ $R^2$ = 0.758）。
超参数调优： 用于 XGBoost 的贝叶斯优化展示了高效的收敛性，在 15 次迭代内将验证集 RMSE 降至约 3.84 MPa，在迭代效率方面显著优于随机搜索或网格搜索。
层次分析： 分析显示，15–28 天龄期组包含了大部分观测值（41.3%）。平均强度从 18.8 MPa（1–3 天）增加到 51.9 MPa（29–56 天）的峰值，随后略有下降。特征强度（第 5 百分位数）在不同龄期组之间差异显著，范围从 6.3 MPa 到 30.7 MPa 不等。
不确定性与敏感性： 针对典型配合比设计的蒙特卡洛模拟得出的平均预测强度为 38.1 MPa，特征强度（第 5 百分位数）为 30.8 MPa。敏感性分析确定了水胶比是影响强度的最主要因素，其次是水泥含量和龄期。来自随机森林和 XGBoost 的特征重要性排名一致强调了龄期、水泥和水是主要的预测因子。

核心贡献

全面的对比分析： 本研究对贝叶斯方法（GPR、层次模型）与现代机器学习集成算法（XGBoost、随机森林）在标准基准数据集上的表现进行了系统性评估。
超参数优化见解： 本文证明，虽然贝叶斯优化对 XGBoost 非常有效，但在该特定数据集上，针对 GPR 的超参数调优仅能带来增量式的性能提升，这表明默认设置可能已接近最优。
概率框架： 层次贝叶斯模型与蒙特卡洛模拟的结合，实现了不确定性的量化并生成了特征强度值，这对于工程设计至关重要，但在标准的机器学习应用中往往是缺失的。
可复现性与可访问性： 作者公开了所有的 R 代码和一个交互式 R Shiny 应用程序。该工具允许用户上传自定义配合比设计数据、可视化关系，并获得带有不确定性边界的实时预测，从而弥合了先进计算方法与实际工程应用之间的鸿沟。

意义与主张
本文主张，虽然像 XGBoost 这样的树集成方法在 UCI 数据集的混凝土强度预测方面提供了卓越的预测精度，但 GPR 通过提供完整的预测分布和显式的不确定性量化保留了独特的优势。作者认为，模型选择应由具体应用的需求驱动：是追求最大化精度，还是量化风险。

研究强调，现代机器学习方法相比传统经验方法提供了实质性的改进，能够实现更精确的配合比设计并减少过度设计。通过将计算工具通过开源仓库和交互式 Web 应用程序进行开放，作者旨在促进数据驱动、具备不确定性感知能力的算法在混凝土工业中的应用，从而支持教育目的及实际工程优化。研究结果符合近期文献的观点，即提升算法在这一特定问题领域具有优越性，同时也强调了贝叶斯方法在不确定性分析中的持续价值。

技术摘要：用于混凝土抗压强度预测的机器学习与贝叶斯方法

类似论文