海泥砂浆抗压强度的机器学习与可视化研究
周马技1，郑佳凯2，黄 任1，梁科仁1，彭博远1，谢蕙竹3，李 古1*
(1. 广州大学 土木与交通工程学院，广东 广州 510000; 2. 广东省建筑设计研究院有限公司，广东 广州 510000;3. 广东稳固检测鉴定有限公司，广东 广州 510000)
摘 要： 在“海洋强国”和“双碳目标”的指引下，海洋淤泥再利用已成为业内研究的热点。结合当前人工智能快速发展的背景，针对海泥砂浆抗压强度的机器学习与可视化开展了相关研究。采用高斯过程回归(GPR)、支持向量回归(SVR)、随机森林(RF)、极限梯度提升决策树(XGBoost)四类机器学习模型对收集的200余组数据进行了训练预测，以求适配于海泥砂浆抗压强度的预测模型，并对最优预测结果进行了SHAP可视化分析，进而探究各特征对海泥砂浆抗压强度的影响，最后通过试验对优化的XGBoost模型预测结果进行了验证分析。试验结果表明：四类模型训练集与测试集所预测的决定系数均大于0.90，均方根误差均小于4.50，训练效果均较佳，其中XGBoost模型的预测结果最佳，表明XGBoost模型更适配于海泥砂浆抗压强度的预测;海泥掺量对海泥砂浆抗压强度的影响最大，二者成负相关关系;海泥砂浆抗压强度随海泥砂浆龄期、水泥用量或砂用量的增加而增大，随用水量的增加呈现先增大后减小的趋势，符合常规试验分析结果;海泥砂浆抗压强度使用优化的XGBoost模型进行预测具备较高的可靠性。
关键词： 海泥砂浆; 抗压强度; 机器学习; SHAP可视化
基金项目： 广东省基础与应用基础研究基金(2024A1515030088);广州市科技计划项目(2023A03J0088);大学生创新项目(XJ202311078116)
引文格式： 周马技，郑佳凯，黄任，等. 海泥砂浆抗压强度的机器学习与可视化研究[J]. 市政技术，2025，43(5)：222-230. (ZHOU M J，ZHENG J K，HUANG R，et al. Research on machine learning and visualization of the compressive strength of marine mud mortar[J]. Journal of municipal technology，2025，43(5)：222-230.)