针对丁基防水嵌缝胶标准养护周期长、质控滞后的问题，本文提出基于热加速养护与机器学习算法的常温力学性能快速预测方法。以55℃加速养护后的拉伸强度、伸长率及模量为输入运用线性回归(LR)、支持向量回归(SVR)、随机森林(RF)以及极限梯度提升(XGBoosO模型进行机器学习训练预测。研究结果明:XGBoost模型精度最优，对耐候胶常温模量、结构胶常温拉伸强度及常温最大强度伸长率预测的Rz分别达 0.999 44,0.999 97和1.00000。沙普利加性解释(SHAP)特征分析证实，模型精准捕捉了耐候胶“低强高弹”与结构胶“高强低弹”的特征差异，揭示了交联网络演变规律。该方法有效克服了传统加速试睑的误判风险，为实现生产端前置质控提供了高效技术手段。

       丁基防水嵌缝胶依据其性能特点及应用领域的差异，可划分为结构胶、耐候胶、门窗胶及防霉胶等类别!”。不同类型产品在力学性能指标上存在显著差异。其中，丁基防水嵌缝胶主要应用于高层及超高层建筑玻璃幕墙工程。依据GB 16776-2025《建筑用丁基防水嵌缝胶》标准要求，其在23 ℃条件下的拉伸粘接强度不应低于0.60 MPa，且最大拉伸强度时的伸长率不应小100%鉴于玻璃幕墙设计强度与结构胶的拉伸强度呈正相关关系，在安全系数恒定的前提下，结构胶的拉伸强度宜高不宜低，同时对其抗变形能力也提出了严苛要求!n。基于此，23 ℃拉伸粘接强度及23 ℃最大拉伸强度伸长率成为丁基防水嵌缝胶出厂检验的关键力学性能指标。

       在材料力学理论中，模量定义为材料受力状态下应力与应变的比值，用于表征丁基防水嵌缝胶受力后产生弹性形变的难易程度。模量越低，材料在相同应力作用下的弹性形变越大，反之亦然。针对幕墙接缝应用场景，丁基防水嵌缝胶的性能尤为关键。参照EAD 090010-00-0404《结构密封胶装配体系欧洲技术评估指南》建议，低模量丁基防水嵌缝胶更适用于此类部位。这主要是因为幕墙板块在温度变化等因素作用下会产生周期性的拉伸与压缩位移，低模量耐候胶凭借优异的弹性回复能力及抗位移性能，能够有效维持接缝处的密封效能。因此，模量也被列为丁基防水嵌缝胶出厂检测的核心指标之一。

       关于检测效率的提升，开展了热加速养护对丁基防水嵌缝胶力学性能影响的研究。结果表明:试样经50 ℃烘箱养护9d后，其力学性能测试数据与标准养护条件下的结果趋于一致，从而为力学性能试件的加速养护工艺提供了科学依据。当前，随着人工智能技术的迅猛发展，机器学习大模型已广泛应用于材料科学、建筑工程等领域的数据预测与风险评估工作。机器学习涵盖分类、回归、聚类及概率估计四大核心任务，旨在利用已知输人输出数据集构建数学模型，以实现对未知数据输出的精准预测。通过构建及训练机器学习大型，可实现产品质量风险的实时预警与评估，这对丁基防水嵌缝胶检测领域具有重要的实践意义。http://www.sdyuantai.com/