.png){kind=icon}
返回
Multi-objective performance prediction and proportion optimization of composite-modified cement-based grouting materials using a bayesian-optimized gradient boosting tree model
.png){kind=icon}
OA
AI
DOI：10.1016/j.cscm.2026.e06290.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
土石坝在长期服役过程中易发生渗漏风险，用于渗漏治理的传统灌浆材料在流水条件下易发生分散和流失。此外，同时优化流动性、抗分散稳定性和力学强度仍具挑战。为解决这些问题，本研究开发了一种由超细水泥（SC）、氧化石墨烯（GO）、聚丙烯酰胺（PAM）和膨胀剂（EA）组成的复合改性灌浆材料体系。首先通过正交试验获得包括流动性、抗分散稳定性和抗压强度在内的多性能数据集。基于这些数据集，建立了一种数据驱动优化框架，该框架集成了基于贝叶斯优化的最小二乘提升模型（BO-LSB）、通过准则间相关性确定准则重要性（CRITIC）和理想解逼近排序法（TOPSIS），用于多性能预测和最优配合比设计。结果表明，推荐的最优配合比为W/C = 0.8，GO = 0.025%，PAM = 1.2%，EA = 8%。BO-LSB模型预测值与三组平行验证试验均值之间的相对预测误差范围为1.10%至4.00%，平均相对误差为2.41%，表明预测值与实测值吻合良好。与对比组相比，优化配合比在保持可接受流动性的同时，表现出增强的抗分散稳定性和力学性能。扫描电子显微镜（SEM）、能量色散光谱（EDS）和X射线衍射（XRD）分析显示，复合体系促进了水化产物的形成，并发展出更致密连续的胶凝网络结构，这与宏观性能改善一致。这些发现为土石坝在流水条件下渗漏治理灌浆材料的多目标设计与优化提供了一种有效的数据驱动方法。
Keyword:
Anti-dispersion stability
Cement-based grouting material
Bayesian optimization
Multi-performance collaborative optimization
Microstructure
期刊
IF:
6.6
论文数:
6.3K
被引数:
2.0W
机构
暂无机构信息
引用论文
A study on the mix proportion of fiber-polymer composite reinforced cement-based grouting material纤维-聚合物复合增强水泥基灌浆材料配合比研究
PREAI
分享收藏Optimal development and performance evaluation of electrolytic graphene oxide synergistic all-solid waste cementitious grouting material电解氧化石墨烯增效全固废胶凝灌浆材料的优化开发及性能评价
PREAI
分享收藏
Influence of rheological parameters on cement slurry penetration characteristics of novel oscillating grouting technology流变参数对新型振荡注浆技术水泥浆渗透特性的影响
PREAI
分享收藏Interpretable Ensemble-Machine-Learning models for predicting creep behavior of concrete用于预测混凝土蠕变行为的可解释集成机器学习模型OAAI
OAAI分享收藏Influences of Additives on the Rheological Properties of Cement Composites: A Review of Material Impacts添加剂对水泥复合材料流变性能的影响：材料影响的综述.png)
MATERIALSOAAI
MATERIALSIF3.2
OAAI分享收藏
查看更多内容