以水胶比、m硅灰/m水泥、m粉煤灰/m水泥、m石英砂/m水泥、m石英粉/m水泥、钢纤维掺量、PP纤维掺量、常温标准养护、热水养护、干热养护和加热温度11个影响因素为输入变量,建立了BP神经网络、麻雀搜索算法优化人工神经网络、遗传算法优化人工神经网络(GA-BP)和支持向量机回归四种模型,并对高温损伤后的超高性能混凝土(UHPC)残余抗压强度进行了预测。结果表明:与基于试验经验的计算模型预测结果相比,以上4个机器学习模型的预测精度较高,误差基本控制在15%以内,其中,GA-BP模型的预测结果最优,R2达到0.949。
