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x<sub>1</sub>、高炉矿渣粉x<sub>2</sub>、粉煤灰x<sub>3</sub>、水x<sub>4</sub>、减水剂x<sub>5</sub>、粗集料x<sub>6</sub>和细集料x<sub>7</sub>、养护龄期x<sub>8</sub>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:{<x<sub>1</sub>(1),x<sub>2</sub>(1),x<sub>3</sub>(1),x<sub>4</sub>(1),x<sub>5</sub>(1),x<sub>6</sub>(1),x<sub>7</sub>(1),x<sub>8</sub>(1),y(1)>;<x<sub>1</sub>(2),x<sub>2</sub>(2),x<sub>3</sub>(2),x<sub>4</sub>(2),x<sub>5</sub>(2),x<sub>6</sub>(2),x<sub>7</sub>(2),x<sub>8</sub>(2),y(2)>;…;i=1,2,…,n (1)<x<sub>1</sub>(i),x<sub>2</sub>(i),x<sub>3</sub>(i),x<sub>4</sub>(i),x<sub>5</sub>(i),x<sub>6</sub>(i),x<sub>7</sub>(i),x<sub>8</sub>(i),y(i)>;…;<x<sub>1</sub>(n),x<sub>2</sub>(n),x<sub>3</sub>(n),x<sub>4</sub>(n),x<sub>5</sub>(n),x<sub>6</sub>(n),x<sub>7</sub>(n),x8(n),y(n)>}令x(i)=[x<sub>1</sub>(i),x<sub>2</sub>(i),x<sub>3</sub>(i),x<sub>4</sub>(i),x<sub>5</sub>(i),x<sub>6</sub>(i),x<sub>7</sub>(i),x<sub>8</sub>(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:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>m</mi><mi>i</mi><mi>n</mi><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msup><mrow><mo>[</mo><mfrac><mrow><mi>y</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>y</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow><mrow><mi>y</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></mfrac><mo>]</mo></mrow><mn>2</mn></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000748927370000011.GIF" wi="976" he="179" /></maths>式(2)中,y<sub>k</sub>(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,利用常规成熟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<sub>k</sub>(x)=f<sub>k</sub>(x<sub>1</sub>,x<sub>2</sub>,x<sub>3</sub>,x<sub>4</sub>,x<sub>5</sub>,x<sub>6</sub>,x<sub>7</sub>,x<sub>8</sub>)(k=1~3),这里x=[x<sub>1</sub>,x<sub>2</sub>,x<sub>3</sub>,x<sub>4</sub>,x<sub>5</sub>,x<sub>6</sub>,x<sub>7</sub>,x<sub>8</sub>],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<sub>k</sub>(i)=f<sub>k</sub>(x(i))(k=1~3);步骤3、将新的不同混凝土配比成分,<img file="FDA0000748927370000021.GIF" wi="630" he="100" />带入上述三个预测模型f<sub>k</sub>(x)=f<sub>k</sub>(x<sub>1</sub>,x<sub>2</sub>,x<sub>3</sub>,x<sub>4</sub>,x<sub>5</sub>,x<sub>6</sub>,x<sub>7</sub>,x<sub>8</sub>)(k=1~3)中,得到对应的预测结果,即:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msubsup><mi>y</mi><mi>k</mi><mo>*</mo></msubsup><mrow><mo>(</mo><mi>k</mi><mo>=</mo><msup><mn>1</mn><mo>~</mo></msup><mn>3</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000748927370000022.GIF" wi="355" he="91" /></maths>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:<img file="FDA0000748927370000023.GIF" wi="979" he="147" />其中α<sub>k</sub>(k=1~3)为响应权重,<img file="FDA0000748927370000024.GIF" wi="326" he="142" />这里为Δ<sub>k</sub>为拟合误差|y(i)‑y<sub>k</sub>(i)|(i=1~n)在x<sup>*</sup>位置附近区域的总误差,具体计算方法如下:<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mtable><mtr><mtd><mrow><msub><mi>Δ</mi><mi>k</mi></msub><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mo>|</mo><mi>y</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>y</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>|</mo><mo>*</mo><mi>exp</mi><mo>(</mo><mo>-</mo><mi>d</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>)</mo></mrow></mtd></mtr><mtr><mtd><mrow><mi>d</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>=</mo><msup><mrow><mo>||</mo><mi>x</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><msup><mi>x</mi><mo>*</mo></msup><mo>||</mo></mrow><mtext>2</mtext></msup><mtext>=-</mtext><munderover><mo>Σ</mo><mrow><mi>p</mi><mo>=</mo><mn>1</mn></mrow><mn>8</mn></munderover><msup><mrow><mo>|</mo><msub><mi>x</mi><mi>p</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><msubsup><mi>x</mi><mi>p</mi><mo>*</mo></msubsup><mo>|</mo></mrow><mn>2</mn></msup></mrow></mtd></mtr></mtable><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000748927370000025.GIF" wi="1028" he="289" /></maths>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<sup>*</sup>在笛卡尔空间坐标系内直线距离的平方,Δ<sub>k</sub>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<sup>*</sup>越远,即d越大,则各个点的拟合误差|y(i)‑y<sub>k</sub>(i)|对x<sup>*</sup>位置附近区域总误差Δ<sub>k</sub>的贡献越小,换言之,与点x<sup>*</sup>越近的实验数据点x(i),其拟合误差|y(i)‑y<sub>k</sub>(i)|对x<sup>*</sup>位置附近区域总误差Δ<sub>k</sub>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(j)对预测得到的混凝土强度值y′(j)进行检验,以验证其预测精度。 |