[發明專利]基于支持向量機的混凝土熱力學參數智能識別方法在審

申請號：	201410117419.5	申請日：	2014-03-26
公開（公告）號：	CN103914594A	公開（公告）日：	2014-07-09
發明（設計）人：	許軍才;沈振中;任青文	申請（專利權）人：	河海大學
主分類號：	G06F17/50	分類號：	G06F17/50;G06N3/12
代理公司：	南京經緯專利商標代理有限公司 32200	代理人：	朱小兵
地址：	210098 ***	國省代碼：	江蘇;32
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于支持向量混凝土熱力學參數智能識別方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明涉及一種基于支持向量機的混凝土熱力學參數智能識別方法，屬于水利水電工程的技術領域。?

背景技術

在大體積溫控防裂中，混凝土熱力學參數的設定對數值計算的準確性產生極大的影響，目前在混凝土熱力學參數識別中有很多方法，例如劉寧將參數估計引入大體積溫度場熱力學參數隨機反演分析，黎軍采用可變容差法對混凝土熱力學參數進行反演，王振紅結合工程實踐利用遺傳算法識別出混凝土熱力學參數等等。這些搜索算法，在混凝土熱力學參數識別過程中優化算法需要不斷重復調用溫度場計算程序進行反復迭代，一般來說獲取溫度場的計算成本相對較高，特別當混凝土壩在通水冷卻時，需考慮細小的冷卻水單元，在實際工程計算中很難實現這樣的大規模的計算。?

后來，于猛等人為了降低計算成本將神經網絡對混凝土壩的溫度場進行反分析，神經網絡技術在一定程度減輕計算量，同時神經網絡計算存在易陷入局部極小值點。基于最小化原理的支持向量機（SVM，Support?Vector?Machine）是一種新的算法，具有全局優化的特點，在抗干擾性能和求解速度較以往的方法要好，特別適合處理在小樣本情況下的非線性問題。?

上述研究內容源于國家自然科學基金《災變條件下特高混凝土壩失效破壞的關鍵力學問題》中的子課題“應力場與溫度場的耦合作用機制”。?

發明內容

本發明所要解決的技術問題是提供一種基于支持向量機的混凝土熱力學參數智能識別方法，克服現有大體積混凝土熱力學參數識別方法中的不足，提供一種智能實用的識別方法。?

本發明為解決上述技術問題采用以下技術方案：?

本發明結合均勻設計方法、支持向量機、差分進化算法三種方法，提供一種基于支持向量機的混凝土熱力學參數智能識別方法。其中，均勻設計方法是將數論的一致分布理論與多元統計分析結合起來使用的一種試驗方法，它將試驗點在試驗范圍內均勻分布，力求使用最少的試驗來獲得最多的信息。支持向量機是建立在統計學習理論的VC維理論和結構風險最小原理基礎上的，根據有限的樣本信息在模型的復雜性和學習能力之間尋求最佳折衷，以求獲得最好的推廣能力。差分進化算法是一種用于優化問題的啟發式算法，采用一對一的淘汰機制來更新種群，模擬生物進化的隨機模型，通過反復迭代，使得那些適應環境的個體被保存了下來。?

本發明一種基于支持向量機的混凝土熱力學參數智能識別方法，包括以下具體步驟：?

步驟1，根據需要反演的混凝土熱力學參數的特征，確定反演參數的取值范圍；?

步驟2，利用均勻設計方法，設計混凝土熱力學參數的樣本方案；?

步驟3，通過有限元正演得出樣本方案中的各個特征點的溫度值；?

步驟4，將步驟3中有限元正演得出的各個特征點的溫度值和樣本方案中對應的熱力學參數值作為學習樣本，建立支持向量機模型，進行支持向量機的學習，具體為：?

利用差分進化算法進行全局搜索，搜得支持向量機的各個系數，同時確定監測點的反演參數與監測點的實際溫度值之間的非線性關系，建立支持向量機預測模型；?

步驟5，用步驟4中訓練完成的支持向量機預測模型作為正演模型，利用差分進化算法全局搜索混凝土熱力學參數，搜得與監測點實際溫度值最接近的反演參數，即為最優混凝土熱力學參數值。?

作為本發明的進一步優化方案，所述混凝土熱力學參數包括混凝土導熱系數、表面放熱系數、絕熱升溫速率、水管表面發熱系數。?

作為本發明的進一步優化方案，步驟4中所述支持向量機的模型選用最小二乘向量機的模型。?

本發明采用以上技術方案與現有技術相比，具有以下技術效果：?

1）本發明識別速度快，能顯著改善在混凝土；?

2）本發明采用差分進化算法進行識別，具有方法簡單、能識別全局最優解的特點；?