一种基于混合模型的混凝土强度预测方法

摘要

本发明一种基于混合模型的混凝土强度预测方法，先在现场按照标准混凝土强度检测方法对不同混凝土配比进行强度实验，获得多组“水泥x₁、高炉矿渣粉x₂、粉煤灰x₃、水x₄、减水剂x₅、粗集料x₆和细集料x₇、养护龄期x₈混泥土组分配比信息‑混凝土强度y”的学样本，并对混合模型中的极限学机、人工神经网路和支持向量机进行训练，通过以最小化相对误差为优化目标确定最佳的极限学机、人工神经网路和支持向量机，在此基础上，基于自适应权重的决策函数可根据三种建模方法的预测值，确定最佳的混凝土预测强度y，用于判断该混凝土组分输入信息是否达到工程设计要求；本发明对三种建模方法的优缺点扬长避短，综合预测效果更好，从而提高对不同实际工况的适应性，即鲁棒性，这对于混凝土快速配合比设计和质量控制具有重要意义。

主权项

一种基于混合模型的混凝土强度预测方法，其特征在于包括如下步骤：步骤1、在现场按照标准混凝土强度检测方法对n组不同水泥x₁、高炉矿渣粉x₂、粉煤灰x₃、水x₄、减水剂x₅、粗集料x₆和细集料x₇、养护龄期x₈混泥土组分配比信息下进行强度实验，获得混凝土的强度y，其实验样本数据如下：$\begin{array}{c}\{<x_1\left(1\right),x_2\left(1\right),x_3\left(1\right),x_4\left(1\right),x_5\left(1\right),x_6\left(1\right),x_7\left(1\right),x_8\left(1\right),y\left(1\right)>;\\ <x_1\left(2\right),x_2\left(2\right),x_3\left(2\right),x_4\left(2\right),x_5\left(2\right),x_6\left(2\right),x_7\left(2\right),x_8\left(2\right),y\left(2\right)>;\\ \mathrm{...};\\ <x_1\left(i\right),x_2\left(i\right),x_3\left(i\right),x_4\left(i\right),x_5\left(i\right),x_6\left(i\right),x_7\left(i\right),x_8\left(i\right),y\left(i\right)>;\\ \mathrm{...};\\ <x_1\left(n\right),x_2\left(n\right),x_3\left(n\right),x_4\left(n\right),x_5\left(n\right),x_6\left(n\right),x_7\left(n\right),x8\left(n\right),y\left(n\right)>\}\end{array},i=1,2,\mathrm{...},n---\left(1\right)$令x(i)＝[x₁(i),x₂(i),x₃(i),x₄(i),x₅(i),x₆(i),x₇(i),x₈(i)]表示式(1)中任意一组混凝土配比成分实验数据；步骤2、利用步骤1获得的n组实验样本数据，以式(2)表示的最小化相对误差为优化目标，分别对混合模型中的极限学习机、人工神经网路和支持向量机进行训练，优化目标如下：$min\underset{i=1}{\overset{n}{\Sigma }}{\left[\frac{y\left(i\right)-y_k\left(i\right)}{y\left(i\right)}\right]}^2---\left(2\right)$式(2)中，y_k(i)，k＝1～3，分别为极限学习机、人工神经网路和支持向量机在x(i)的拟合值；在训练过程中，利用常规的优化算法即可获得各个模型中的最佳参数，训练完成后，可建立x(i)→y(i)的3个映射关系，即3个混凝土强度预测模型，分别表示为f_k(x)＝f_k(x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈)，k＝1～3，这里x＝[x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈]，同时，对于式(1)中任意一组实验数据{x(i),y(i)}，可以得到对应的极限学习机、人工神经网路和支持向量机拟合值，分别为y_k(i)＝f_k(x(i))，k＝1～3；步骤3、将新的不同混凝土配比成分，带入上述三个预测模型f_k(x)＝f_k(x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈)，k＝1～3中，得到对应的预测结果，即：k＝1～3；步骤4、基于自适应决策函数，计算出对应的混凝土强度预测值：其中α_k为响应权重，k＝1～3，这里为△_k为拟合误差|y(i)‑y_k(i)|在x^*位置附近区域的总误差，i＝1～n，具体计算方法如下：$\begin{array}{c}{\Delta }_k=\underset{i=1}{\overset{n}{\Sigma }}|y\left(i\right)-y_k\left(i\right)|*\exp (-d(i\left)\right)\\ d\left(i\right)=\left|\right|x\left(i\right)-x^{*}|{|}^2=-\underset{p=1}{\overset{8}{\Sigma }}|x_p\left(i\right)-x_p^{*}{|}^2\end{array}---\left(4\right)$d(i)表示任意一组混凝土配比成分实验数据x(i)与新的不同混凝土配比成分x^*在笛卡尔空间坐标系内直线距离的平方，△_k的表达式意味着在在笛卡尔空间坐标系内实验数据点x(i)距离点x^*越远，即d越大，则各个点的拟合误差|y(i)‑y_k(i)|对x^*位置附近区域总误差△_k的贡献越小，换言之，与点x^*越近的实验数据点x(i)，其拟合误差|y(i)‑y_k(i)|对x^*位置附近区域总误差△_k的贡献越大；步骤5、利用在现场按照标准混凝土强度检测方法实测得到的混凝土强度值y(i)对预测得到的混凝土强度值y′(i)进行检验，以验证其预测精度。