那种机器学习或深度学习算法比较适合混凝强度预测，其中混凝土强度预测数据集为非时序性数据

对于非时序性的数据集，可以考虑使用以下机器学习或深度学习算法进行混凝土强度预测：

1. 线性回归：线性回归是一种常用的回归算法，可以用于建立混凝土强度预测模型。这种算法适用于特征之间线性相关的情况。

2. 决策树回归：决策树回归是一种基于树结构的回归算法，可以用于建立混凝土强度预测模型。这种算法适用于特征之间存在非线性关系的情况。

3. 支持向量回归：支持向量回归是一种基于核函数的回归算法，可以用于建立混凝土强度预测模型。这种算法适用于特征之间存在复杂非线性关系的情况。

4. 随机森林回归：随机森林回归是一种基于决策树的集成学习算法，可以用于建立混凝土强度预测模型。这种算法适用于特征之间存在复杂非线性关系的情况。

5. MLP神经网络：多层感知器神经网络是一种广泛使用的深度学习算法，可以用于建立混凝土强度预测模型。这种算法适用于特征之间存在复杂非线性关系的情况。

选择哪种算法需要根据数据的特点和问题的要求进行选择。如果数据的特征之间存在较为复杂的关系，可以考虑使用非线性回归算法或深度学习算法。如果特征之间的关系比较简单，可以考虑使用线性回归算法或决策树回归算法。