用于多种纤维增强混凝土抗压强度预测的机器学习方法

本发明提供用于多种纤维增强混凝土抗压强度预测的机器学习方法，涉及土木工程材料与人工智能交叉技术领域，其通过融合极限梯度提升(XGBoost)与秃鹰搜索优化算法(BES)，结合k‑means++聚类与五折交叉验证技术，构建高精度抗压强度预测模型。首先利用k‑means++对数据集进行聚类分区，保证训练集与测试集分布一致；采用BES算法优化XGBoost的超参数(包括迭代次数、树深度和学习率)，并通过归一化处理输入数据以提升收敛效率。最终通过评价指标(R2、RMSE、MAE等)验证模型性能。本发明解决了传统方法在多类型纤维特征耦合作用下的预测精度不足问题，显著提升了抗压强度预测的泛化能力与鲁棒性，为混凝土配合比设计及工程应用提供可靠依据。