一种基于神经网络的工业固废胶凝材料配比智能优化及土壤固化方法

本发明涉及建筑材料与人工智能交叉领域，尤其涉及一种基于神经网络的工业固废胶凝材料配比智能优化及土壤固化方法，包括以下步骤：S1.构建数据集，用于形成标准化数据库；S2.建立多层感知器结构的人工神经网络模型，包括输入层、隐藏层和输出层，训练过程中加入L2正则项与early‑stopping机制，并采用组合损失函数协同优化；S3.执行排列重要性分析，逐一打乱输入参数，量化各参数对模型预测误差的影响；S4.配比智能推荐，包括正向预测和逆向优化；S5.闭环验证。采用多层感知器神经网络结构结合特征敏感性分析，显著提升非线性预测精度，采用正逆向双路径优化替代人工试错，缩短设计周期，闭环验证机制确保工程可靠性，降低误差，通过固废替代高碳材料，降低碳排放。