2024年4月，公司教师王志远在校定C级期刊《Materials Today Communications》发表题为“Optimizing machine learning techniques and shapley additive explanations analysis for the compressive property of self-compacting concrete”的论文。该论文收集了169组自密实混凝土试验数据，选取水泥、粗骨料、矿渣粉、石灰石粉、水、稻壳灰、硅灰、高效减水剂、粉煤灰、细骨料等10个关键影响因素作为输入参数，分别采用DT、RFR、AR和GBR四种算法构建抗压强度预测模型。研究结果表明，四种算法均能有效预测自密实混凝土抗压强度，其中RFR和AR表现最为优异，决定系数分别达到0.91和0.90。模型误差分析显示，RFR和AR的平均绝对误差分别低至4.12 MPa和4.62 MPa，平均绝对百分比误差仅为9.90%和10.30%，预测精度远超传统方法。SHAP分析进一步揭示了各参数的影响规律：高效减水剂和水泥用量是提升抗压强度的关键正向因素，而水含量、骨料及硅灰用量则存在正负双向影响，矿渣粉和粉煤灰过量使用会降低材料强度，为配合比优化提供了理论依据。

希望广大教师继续潜心研究，不断创新，多出成果。（撰稿：王志远；一审：艾科妮；二审：周健；三审：戴道明）