一種基于混合模型的混凝土強(qiáng)度預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于混合模型進(jìn)行混凝土強(qiáng)度預(yù)測(cè)的方法。
【背景技術(shù)】
[0002] 混凝土的強(qiáng)度（y)是混凝土質(zhì)量控制的核心內(nèi)容，是結(jié)構(gòu)設(shè)計(jì)、施工的重要依據(jù)。 通常，混凝土主要由水泥（ Xl)、高爐礦渣粉（x2)、粉煤灰（x3)、水（x4)、減水劑（x 5)、粗集料 (x6)和細(xì)集料（x7)等混泥土組分，按照一定的配比均勻攪拌密實(shí)成型，最后經(jīng)過一定齡期 (x 8)的養(yǎng)護(hù)硬化而成。目前，混凝土的強(qiáng)度一般通過實(shí)驗(yàn)獲得，即按照標(biāo)準(zhǔn)的制作方法制成 邊長為150mm的正立方體試件，在標(biāo)準(zhǔn)養(yǎng)護(hù)條件（溫度20±3°C，相對(duì)濕度90%以上）下， 經(jīng)過至少28天的養(yǎng)護(hù)齡期，并按照標(biāo)準(zhǔn)檢測(cè)方法來測(cè)定其抗壓強(qiáng)度值。
[0003] 通過具體的配比養(yǎng)護(hù)實(shí)驗(yàn)來測(cè)定混凝土強(qiáng)度，不僅耗費(fèi)了大量砂、石、粉煤灰和水 泥等材料，另一方面也浪費(fèi)了大量的人力和時(shí)間。因此，有必要提出一種僅根據(jù)水泥（ Xl)、 高爐礦渣粉（x2)、粉煤灰（x3)、水（x4)、減水劑（x 5)、粗集料（x6)和細(xì)集料（x7)、養(yǎng)護(hù)齡期 (x8)等混泥土組分輸入信息，就能對(duì)混凝土強(qiáng)度（y)進(jìn)行預(yù)測(cè)的方法，這對(duì)于混凝土快速配 合比設(shè)計(jì)和質(zhì)量控制具有重要意義。
[0004] 由于影響混凝土強(qiáng)度的因素太多，且各因素之間關(guān)系復(fù)雜，故難以用數(shù)值仿真的 方法對(duì)其物理化學(xué)過程進(jìn)行定量甚至定性的模擬計(jì)算，并進(jìn)一步確定其理學(xué)參數(shù)，因此，尚 無法從非實(shí)驗(yàn)的方法上對(duì)混凝土的強(qiáng)度進(jìn)行預(yù)測(cè)。雖然其本構(gòu)關(guān)系從理論上難以建立，顯 式公式難以獲得。但水泥（ Xl)、高爐礦渣粉（x2)、粉煤灰（x3)、水（x4)、減水劑（x 5)、粗集料 (x6)和細(xì)集料（x7)、養(yǎng)護(hù)齡期（x8)等混泥土組分輸入信息與混凝土強(qiáng)度（y)之間的函數(shù)關(guān) 系 y = fh，x2, x3, x4, x5, x6, x7, x8)真實(shí)確定存在。
[0005] 目前對(duì)混凝土強(qiáng)度的預(yù)測(cè)研宄主要采用建模方法進(jìn)行預(yù)測(cè)。如嚴(yán)東采用基于極限 學(xué)習(xí)機(jī)對(duì)混凝土強(qiáng)度進(jìn)行預(yù)測(cè)，何曉鳳和李鋼等人為了克服人工神經(jīng)網(wǎng)絡(luò)收斂速度慢、易 陷入局部極值問題分別使用PS0-BP和基于正則化RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)混凝土強(qiáng)度，楊松森等 人應(yīng)用模糊系統(tǒng)方法建立預(yù)測(cè)模型，許超等提出一種新的基于支持向量機(jī)的混凝土測(cè)強(qiáng)換 算方法，楊松森等人應(yīng)用模糊系統(tǒng)方法建立預(yù)測(cè)模型。
[0006] 上述建模方法中采用的極限學(xué)習(xí)機(jī)、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等各自存在優(yōu)缺 點(diǎn)。如：極限學(xué)習(xí)機(jī)全局搜索能力好，泛化能力強(qiáng)，但預(yù)測(cè)性能不穩(wěn)定；人工神經(jīng)網(wǎng)絡(luò)自學(xué) 習(xí)能力強(qiáng)，噪聲容錯(cuò)能力高，但局部泛化能力低，且容易過學(xué)習(xí)、過擬合；支持向量機(jī)全局 最優(yōu)，泛化能力好，可以避免人工神經(jīng)網(wǎng)絡(luò)局部極小點(diǎn)問題，特別適用于對(duì)小樣本問題的學(xué) 習(xí)，但其對(duì)缺失數(shù)據(jù)敏感，核函數(shù)選擇需謹(jǐn)慎。模糊系統(tǒng)方法適用性強(qiáng)，但其模糊隸屬函數(shù) 中具體參數(shù)的選擇往往比較困難，難以實(shí)際應(yīng)用。
[0007] 不同地域，混凝土組成成分差異大，必須實(shí)地進(jìn)行混凝土強(qiáng)度實(shí)驗(yàn)以獲得數(shù)據(jù)樣 本。實(shí)際應(yīng)用中，不同施工單位受于自身各種條件限制，獲得的不同地域混凝土實(shí)驗(yàn)樣本噪 聲差異大，且樣本數(shù)量有多有少。而目前文獻(xiàn)中對(duì)混凝土強(qiáng)度的預(yù)測(cè)研宄均采用單一建模 方法。因此，在實(shí)際混凝土強(qiáng)度預(yù)測(cè)時(shí)，受不同實(shí)際工況的影響，以及鑒于各自方法的優(yōu)缺 點(diǎn)，其應(yīng)用效果的魯棒性往往難以保證。

【發(fā)明內(nèi)容】

[0008] 針對(duì)上述問題，本發(fā)明提出基于混合模型的混凝土強(qiáng)度預(yù)測(cè)方法，以便綜合各種 方法的優(yōu)點(diǎn)，同時(shí)摒棄其缺點(diǎn)，從而提高對(duì)不同實(shí)際工況的適應(yīng)性，即魯棒性，這對(duì)于混凝 土快速配合比設(shè)計(jì)和質(zhì)量控制具有重要意義。
[0009] 本發(fā)明一種基于混合模型的混凝土強(qiáng)度預(yù)測(cè)方法，包括如下步驟：
[0010] 步驟1、在現(xiàn)場(chǎng)按照標(biāo)準(zhǔn)混凝土強(qiáng)度檢測(cè)方法對(duì)n組不同水泥Xl、高爐礦渣粉x 2、 粉煤灰x3、水x4、減水劑x5、粗集料&和細(xì)集料X 7、養(yǎng)護(hù)齡期x8混泥土組分配比信息下進(jìn)行 強(qiáng)度實(shí)驗(yàn)，獲得混凝土的強(qiáng)度y，其實(shí)驗(yàn)樣本數(shù)據(jù)如下：
[0011] Kxjd), x2(l), x3(l), x4(l), x5(l), x6(l), x7(l), x8(l), y(l)> ；
[0012] <Xj (2), x2 (2), x3 (2), x4 (2), x5 (2), x6 (2), x7 (2), x8 (2), y (2) > ；
[0013] ...；
[0014] i = 1, 2, . . . , n (1)
[0015] <Xj (i), x2 (i), x3 (i), x4 (i), x5 (i), x6 (i), x7 (i), x8 (i), y (i) > ；
[0016] ...；
[0017] <Xj (n), x2 (n), x3 (n), x4 (n), x5 (n), x6 (n), x7 (n), x8 (n), y (n) >}
[0018]令 x(i) = [XiQhxJihxsQhxJihxsQhxeQhxJihxsQ)]表示式（1)中任 意一組混凝土配比成分實(shí)驗(yàn)數(shù)據(jù)；
[0019] 步驟2、利用步驟1獲得的n組實(shí)驗(yàn)樣本數(shù)據(jù)，以式（2)表示的最小化相對(duì)誤差為 優(yōu)化目標(biāo)，分別對(duì)混合模型中的極限學(xué)習(xí)機(jī)、人工神經(jīng)網(wǎng)路和支持向量機(jī)進(jìn)行訓(xùn)練，優(yōu)化目 標(biāo)如下：
[0020]
[0021] 式⑵中，yk⑴（k = 1~3)分別為極限學(xué)習(xí)機(jī)、人工神經(jīng)網(wǎng)路和支持向量機(jī)在 x(i)的擬合值；
[0022] 在訓(xùn)練過程中，利用常規(guī)成熟優(yōu)化算法即可獲得各個(gè)模型中的最佳參數(shù)，訓(xùn)練完 成后，可建立x (i) - y (i)的3個(gè)映射關(guān)系，即3個(gè)混凝土強(qiáng)度預(yù)測(cè)模型，分別表示為fk(x) -fk(Xl，X2，X3，X4，X5，X6，X7，X8)(k - 1 ~3)，這里X- [X"X2，X3，X4，X5，X6，X7，X8]，同時(shí)，對(duì)于 式（1)中任意一組實(shí)驗(yàn)數(shù)據(jù)lx(i)，y(i)}，可以得到對(duì)應(yīng)的極限學(xué)習(xí)機(jī)、人工神經(jīng)網(wǎng)路和支 持向量機(jī)擬合值，分別為y k(i) = fk(X(i)) (k = 1~3);
[0023] 步驟3、將新的不同混凝土配比成分，帶入上述三個(gè) 預(yù)測(cè)模型fk(x) = fjxi，x2, x3, x4, x5, x6, x7, x8) (k = 1~3)中，得到對(duì)應(yīng)的預(yù)測(cè)結(jié)果，即： (k = 1 ~3);
[0024] 步驟4、基于自適應(yīng)決策函數(shù)，計(jì)算出對(duì)應(yīng)的混凝土強(qiáng)度預(yù)測(cè)值：
[0025]
3
[0026] 其中ak(k= 1~3)為響應(yīng)權(quán)重，=女，這里為Ak為擬合誤差 y(i)-yk(i)Ia=1~n)在f位置附近區(qū)域的總誤差，具體計(jì)算方法如下：
[0027]
[0028]d(i)表示任意一組混凝土配比成分實(shí)驗(yàn)數(shù)據(jù)x(i)與新的不同混凝土配比成分 x#在笛卡爾空間坐標(biāo)系內(nèi)直線距離的平方，Ak的表達(dá)式意味著在在笛卡爾空間坐標(biāo)系內(nèi) 實(shí)驗(yàn)數(shù)據(jù)點(diǎn)X(i)距離點(diǎn)越遠(yuǎn)，即d越大，則各個(gè)點(diǎn)的擬合誤差|y(i)-yk(i)I對(duì)f位 置附近區(qū)域總誤差A(yù)k的貢獻(xiàn)越小，換言之，與點(diǎn)x#越近的實(shí)驗(yàn)數(shù)據(jù)點(diǎn)x(i)，其擬合誤差 ya)-yk(i)I對(duì)f位置附近區(qū)域總誤差A(yù)k的貢獻(xiàn)越大；
[0029] 步驟5、利用在現(xiàn)場(chǎng)按照標(biāo)準(zhǔn)混凝土強(qiáng)度檢測(cè)方法實(shí)測(cè)得到的混凝土強(qiáng)度值y(j) 對(duì)預(yù)測(cè)得到的混凝土強(qiáng)度值太（j)進(jìn)行檢驗(yàn)，以驗(yàn)證其預(yù)測(cè)精度。
[0030] 與現(xiàn)有通過標(biāo)準(zhǔn)混凝土強(qiáng)度檢測(cè)方法檢測(cè)新混凝土配比對(duì)應(yīng)的混凝土強(qiáng)度方法 相比，本發(fā)明在現(xiàn)有混凝土實(shí)驗(yàn)數(shù)據(jù)的基礎(chǔ)上，利用現(xiàn)有的建模方法，可快速獲得新混凝土 配比成分對(duì)應(yīng)的混凝土強(qiáng)度數(shù)據(jù)，從而解決了混凝土強(qiáng)度檢測(cè)需要繁瑣耗時(shí)耗材耗力人工 實(shí)驗(yàn)檢測(cè)的問題，在混凝土配比設(shè)計(jì)階段，即可給設(shè)計(jì)人員提供混凝土強(qiáng)度預(yù)測(cè)參考，大大 降低成本。本發(fā)明的優(yōu)點(diǎn)和創(chuàng)新之處：
[0031] (1)所采用混合模型分別包括極限學(xué)習(xí)機(jī)、人工神經(jīng)網(wǎng)路和支持向量機(jī)，通過構(gòu)建 基于自適應(yīng)權(quán)重的決策函數(shù)，可以有效實(shí)現(xiàn)綜合三種建模方法的優(yōu)點(diǎn)，同時(shí)又可以彌補(bǔ)其 各自不足帶來的影響，提高了混合模型實(shí)際工程應(yīng)用的魯棒性。
[0032] (2)該混合模型包含了基于自適應(yīng)權(quán)重的決策函數(shù)，有效從上述三種建模模型的 預(yù)測(cè)結(jié)果中獲得自適應(yīng)的預(yù)測(cè)值，有利于對(duì)上述三種建模方法的優(yōu)缺點(diǎn)揚(yáng)長避短。
[0033] (3)該混合模型中，其決策函數(shù)采用的響應(yīng)權(quán)重以實(shí)驗(yàn)樣本點(diǎn)在預(yù)測(cè)點(diǎn)位置附近 區(qū)域的總誤差為考慮因素，符合距離預(yù)測(cè)點(diǎn)越近的實(shí)驗(yàn)樣本點(diǎn)，對(duì)預(yù)測(cè)點(diǎn)預(yù)測(cè)值及其預(yù)測(cè) 誤差影響大，這一客觀實(shí)際。
[0034] (4)在訓(xùn)練極限學(xué)習(xí)機(jī)、人工神經(jīng)網(wǎng)路和支持向量機(jī)時(shí)，均采用最小化預(yù)測(cè)輸出的 相對(duì)誤差為優(yōu)化目標(biāo)，有利于在多輸入單輸出系統(tǒng)中，克服輸出較小的屬性誤差特別大這 一缺點(diǎn)。
【附圖說明】
[0035] 圖1為本發(fā)明實(shí)施例中混凝土不同配比下對(duì)應(yīng)的強(qiáng)度實(shí)驗(yàn)數(shù)據(jù)；
[0036] 圖2為極限學(xué)習(xí)機(jī)、人工神經(jīng)網(wǎng)路、支持向量機(jī)和本發(fā)明預(yù)測(cè)誤差結(jié)果。
[0037] 以下結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳述。
【具體實(shí)施方式】
[0038] 本發(fā)明提供一種利用多組"水泥Xl、高爐礦渣粉x2、粉煤灰x3、水x4、減水劑x5、粗 集料巧和細(xì)集料X7、養(yǎng)護(hù)齡期x8混泥土組分配比信息-混凝土強(qiáng)度y"組成的學(xué)習(xí)樣本對(duì) 混合模型進(jìn)行訓(xùn)練之后，以最小化相對(duì)誤差為優(yōu)化目標(biāo)確定最佳的混合模型，基于該模型， 可根據(jù)測(cè)得的新的不同混凝土配比成分，快速預(yù)測(cè)混凝土強(qiáng)度y的大小，用于判斷該混凝 土組分輸入信息是否達(dá)到工程設(shè)計(jì)要求。
[0039] 本發(fā)明采用最小化預(yù)測(cè)輸出的相對(duì)誤差而不是像常規(guī)最小二乘法最小化誤差平 方和作為優(yōu)化目標(biāo)，有利于在多輸入單輸出系統(tǒng)中，克服輸出較小的屬性誤差特別大的缺 點(diǎn)，更有利于實(shí)際工程應(yīng)用。
[0040] 由于構(gòu)成混凝土的原材料中水泥、礦物摻合料、砂、石等都具有很強(qiáng)的地域性，不 同的地區(qū)，在組成、性質(zhì)上都存在著不同程度的差，水泥、礦物摻合料、化學(xué)外加劑的相容性 也不盡相同。因此，首先按照不同的混凝土組成材料進(jìn)行配比設(shè)計(jì)，即對(duì)水泥（ X1)、高爐礦 渣粉（X2)、粉煤灰（X3)、水（X4)、減水劑（X5)、粗集料（X6)和細(xì)集料（X7)進(jìn)行混泥土組分配 比，接著在不同的養(yǎng)護(hù)齡期（x8)下進(jìn)行養(yǎng)護(hù)，在現(xiàn)場(chǎng)按照標(biāo)準(zhǔn)混凝土強(qiáng)度檢測(cè)方法對(duì)不同 混凝土配比進(jìn)行強(qiáng)度實(shí)驗(yàn)，獲得250組混凝土實(shí)驗(yàn)數(shù)據(jù)。如圖1所示顯示其中的13組混凝 土實(shí)驗(yàn)數(shù)據(jù)。該圖1的數(shù)據(jù)針對(duì)的是某一地域的混凝土配比實(shí)驗(yàn)數(shù)據(jù)。這里只提供13組 數(shù)據(jù)，