[發(fā)明專利]一種海洋環(huán)境下混凝土強度劣化預(yù)測評價方法

有效

• 申請?zhí)枺?/td>: 201611185963.9
• 申請日: 2016-12-20
• 公開（公告）號: CN106650807B
• 公開（公告）日: 2019-10-11
• 發(fā)明（設(shè)計）人: 錢春香;康文策;梁程瑤
• 申請（專利權(quán)）人: 東南大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01N17/00
• 代理公司: 南京蘇高專利商標事務(wù)所(普通合伙) 32204
• 代理人: 徐瑩

1.一種海洋環(huán)境下混凝土強度劣化預(yù)測評價方法，其特征在于：包括以下步驟：

(1)通過實驗檢測不同配比下混凝土在海洋環(huán)境下隨齡期強度劣化的數(shù)據(jù)，并收集已有公開文獻中的數(shù)據(jù)形成數(shù)據(jù)庫；

(2)將獲得的運行數(shù)據(jù)分為訓(xùn)練組和測試組，其中影響混凝土強度的因素作為因素屬性集，強度劣化的狀態(tài)作為劣化結(jié)果屬性集；

(3)進行決策樹建模：

(3.1)將訓(xùn)練組按屬性進行劃分，計算每個屬性的信息增益，選擇信息增益值最大的屬性作為特征屬性，并設(shè)置優(yōu)先級，作為決策樹的一級中間節(jié)點，所對應(yīng)的劣化狀態(tài)的屬性類別作為一級分支；

(3.2)依次從訓(xùn)練組中取出屬性，確定屬性的信息增益，直至得到訓(xùn)練組中所有屬性的信息增益，對所有屬性的信息增益進行排序，信息增益值最大的屬性即為特征屬性；

(3.3)按照特征屬性的類別種類將訓(xùn)練組進行劃分，訓(xùn)練群組將已經(jīng)判定為特征屬性的屬性去除，并判斷剔除的特征屬性是否存在使運行類別為劣化狀態(tài)的類別，如果存在，則劣化狀態(tài)類別對應(yīng)的下一節(jié)點為葉子節(jié)點，該葉子節(jié)點中存儲劣化的運行類別，并進入步驟(3.4)；若剔除的特征屬性不存在劣化狀態(tài)的類別，則繼續(xù)尋找其他屬性進行分支；

(3.4)在每個新劃分的訓(xùn)練群組中計算每個屬性的信息增益，選擇信息增益值最大的屬性作為特征屬性，并設(shè)置優(yōu)先級為r，作為決策樹的r級中間節(jié)點，其中r＝2，3，4，…N，N為正整數(shù)，逐層形成決策樹節(jié)點；

(3.5)重復(fù)步驟(3.3)(3.4)，直至劃分的訓(xùn)練群組中只存在最后一個屬性，將該屬性作為特征屬性，特征屬性的類別對應(yīng)的運行類別均存儲在下一分支的葉子節(jié)點中，決策樹構(gòu)建完成；

(4)按照對應(yīng)屬性的屬性值選擇輸出分支，直至到達葉子節(jié)點，將葉子節(jié)點存放的運行類別作為分析結(jié)果輸出；

(5)模型性能評估；

(6)采用C4.5算法對建立的決策樹減枝。

2.根據(jù)權(quán)利要求1所述的海洋環(huán)境下混凝土強度劣化預(yù)測評價方法，其特征在于：屬性信息增益確定的方法為：

設(shè)S是由屬性組成的樣本集合，將S劃分為c個類C_i(i＝1，2，…，c)，每個類C_i含有的樣本數(shù)目為n_i，則S劃分為c個不同類的信息熵或期望信息：

其中，p_i為S中的樣本屬于i類C_i的概率，即p_i＝n_i/n，n為S的樣本總數(shù)；S_V是S中屬性Δx的值為V的樣本子集，選擇Δx導(dǎo)致的信息熵定義為：

其中，E(S_V)是將S_V中的樣本劃分到各個類的信息熵，屬性Δx相對樣本集合S的信息增益Gain(S，Δx)定義為：

Gain(S，Δx)＝E(S)-E(S，Δx)

Gain(S，Δx)是指因知道屬性Δx的值后導(dǎo)致的熵的期望壓縮，Gain(S，Δx)越大，說明選擇測試屬性Δx對分類提供的信息越多。

3.根據(jù)權(quán)利要求1所述的海洋環(huán)境下混凝土強度劣化預(yù)測評價方法，其特征在于：步驟(5)通過將屬性值代入決策樹，得到劣化的強度數(shù)值，并通過平均誤差、均方根誤差和擬合度檢驗其精確度。

4.根據(jù)權(quán)利要求1所述的海洋環(huán)境下混凝土強度劣化預(yù)測評價方法，其特征在于：步驟(6)使用剔除屬性之外的其他屬性設(shè)置為每一層的葉子節(jié)點，通過步驟(5)分析決策樹性能，如果誤差下降則選擇該屬性作為新的節(jié)點，如果誤差沒有下降則原有屬性無需被代替，依次計算每一個分支節(jié)點，得到簡化后的決策樹。