Page 112 - 2022年第53卷第1期

［ 18］ NGUYEN T，KASHANI A，NGO T，et al . Deep neural network with high-order neuron for the prediction of
foamed concrete strength［J］. Computer-Aided Civil and Infrastructure Engineering，2019，34（4）：316-332 .
［ 19］ HAN Q H，GUI C Q，XU J，et al . A generalized method to predict the compressive strength of high-performance
concrete by improved random forest algorithm［J］. Construction and Building Materials，2019，226：734-742 .
［ 20］ ZHANG M X，LI M C，SHEN Y，et al . Multiple mechanical properties prediction of hydraulic concrete in the
form of combined damming by experimental data mining［J］. Construction and Building Materials，2019，207：
661-671 .
［ 21］ 李火坤，王刚，魏博文，等 . 基于敏感性分析与粒子群算法的拱坝原型动弹性模量反演方法［J］. 水利学
报，2020，51（11）：1401-1411 .
［ 22］ 陈晓东，陈斌，刘国华 . 基于 BP ANN-GA 混合型算法的混凝土配合比优化设计研究［J］. 水力发电学报，
2007（5）：59-63，52 .
［ 23］ CHENG M Y，PRAYOGO D，WU Y W . Novel genetic algorithm-based evolutionary support vector machine for
optimizing high-performance concrete mixture［J］. Journal of Computing in Civil Engineering，2014，28（4）：
06014003 .
［ 24］ 徐毅慧 . 基于人工智能的混凝土配合比优化设计［J］. 漳州职业技术学院学报，2011，13（4）：15-18 .
［ 25］ PARICHATPRECHA R，NIMITYONGSKUL P . An integrated approach for optimum design of HPC mix propor⁃
tion using genetic algorithm and artificial neural networks［J］. Computers and Concrete，2009，6（3）：253-268 .
［ 26］ 王仁超，朱品光 . 基于随机森林回归方法的爆破块度预测模型研究［J］. 水力发电学报，2020，39（1）：
89-101 .
［ 27］ YEH I C . Modeling of strength of high-performance concrete using artificial neural networks［J］. Cement and
Concrete Research，1998，28（12）：1797-1808 .
［ 28］ LIM C H，YOON Y S，KIM J H . Genetic algorithm in mix proportioning of high-performance concrete［J］. Ce⁃
ment and Concrete Research，2004，34（3）：409-420 .
［ 29］ MOUSAVI S M，AMINIAN P，GANDOMI A H，et al . A new predictive model for compressive strength of HPC
using gene expression programming［J］. Advances in Engineering Software，2012，45（1）：105-114 .
［ 30］ BUI D K，NGUYEN T，CHOU J S，et al . A modified firefly algorithm-artificial neural network expert system for
predicting compressive and tensile strength of high-performance concrete［J］. Construction and Building Materi⁃
als，2018，180：320-333 .
［ 31］ BREIMAN L . Random forests［J］. Machine Learning，2001，45（1）：5-32 .
［ 32］ 余为韬，潘欣，史彬 . 考虑低碳排放的混凝土配合比多目标优化［J］. 计算机与应用化学，2014，31（3）：
307-310 .
［ 33］ 李明超，杨琳，任秋兵，等 . 多目标约束下的土石坝抗液化措施数值建模与优化分析方法［J］. 水利学报，
2020，51（12）：1462-1472 .
［ 34］ 陈 民 铀 ，张 聪 誉 ，罗 辞 勇 . 自 适 应 进 化 多 目 标 粒 子 群 优 化 算 法［J］. 控 制 与 决 策 ，2009，24（12）：
1851-1855，1864 .
［ 35］ COELLO C A C，PULIDO G T，LECHUGA M S . Handling multiple objectives with particle swarm optimization
［J］. IEEE Transactions on Evolutionary Computation，2004，8（3）：256-279 .
［ 36］ 贾善坡，伍国军，陈卫忠 . 基于粒子群算法与混合罚函数法的有限元优化反演模型及应用［J］. 岩土力学，
2011，32（S2）：598-603 .
［ 37］ 徐琛，刘晓丽，王恩志，等 . 基于组合权重-理想点法的应变型岩爆五因素预测分级［J］. 岩土工程学报，
2017，39（12）：2245-2252 .
［ 38］ GANDOMI A H，ALAVI A H，SHADMEHRI D M，et al . An empirical model for shear capacity of RC deep
beams using genetic-simulated annealing［J］. Archives of Civil and Mechanical Engineering，2013，13（3）：
354-369 .
［ 39］ CHOU J S，PHAM A D . Enhanced artificial intelligence for ensemble approach to predicting high performance
concrete compressive strength［J］. Construction and Building Materials，2013，49：554-563 .
［ 40］ CHOU J S，CHONG W K，BUI D K . Nature-inspired metaheuristic regression system：Programming and imple⁃
mentation for civil engineering applications［J］ . Journal of Computing in Civil Engineering，2016，30（5）：
04016007 .
— 107 —