基于贝叶斯理论的再生混凝土强度预测模型优势分析

碳中和背景下,再生混凝土的研究逐渐成为众多学者的研究焦点。贝叶斯理论以概率统计为基础,综合考虑主客观不确定性影响和先验信息的作用,适用于处理混凝土强度预测中的参数估计。针对再生混凝土强度的统计学特性,基于贝叶斯理论建立再生混凝土强度预测模型,通过与最小二乘回归模型和BP神经网络模型的对比,探究贝叶斯回归预测模型在再生混凝土强度预测上的优势。试验结果表明:线性与非线性回归模型的拟合优度均大于0.85,满足实际应用需求;线性与非线性贝叶斯回归模型的拟合优度,均高出最小二乘回归模型0.1~0.3,具有相对更好的预测精度和预测效果;贝叶斯回归模型克服了BP神经网络模型可解释性差、样本需求量大的缺陷,并且具有良好的鲁棒性和自适应性。