[發(fā)明專利]一種海洋環(huán)境下混凝土強度劣化預測評價方法

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（設計）人: 錢春香;康文策;梁程瑤
• 申請（專利權(quán)）人: 東南大學
• 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所(普通合伙) 32204
• 代理人: 徐瑩

本發(fā)明提供了一種海洋環(huán)境下混凝土強度劣化預測評價方法，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)，將獲得的運行數(shù)據(jù)分為訓練組和測試組，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，進行決策樹建模，按照所述對應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，進行模型性能評估并采用C4.5算法對建立的決策樹減枝。本發(fā)明針對復雜混凝土服役環(huán)境劣化條件以及最終劣化狀態(tài)響應，采用ID3算法得到最終的決策樹狀圖，并使用C4.5優(yōu)化算法對決策樹進行減枝，能夠明顯提高決策樹的性能，更好的對海洋服役條件下混凝土強度劣化狀態(tài)做出預測評價，從而能得到建筑物強度的劣化即時信息，提前對建筑物耐久性破壞造成的危險進行評估。

技術領域

本發(fā)明涉及一種混凝土強度預測方法，具體涉及一種海洋環(huán)境下混凝土強度預測方法。

背景技術

隨著經(jīng)濟的發(fā)展，大量的建筑工程在海洋環(huán)境中開展。在海洋環(huán)境下，Mg²⁺濃度、SO₄^2-濃度、Cl^-濃度、溫度等因素相互之間耦合作用導致混凝土性能劣化，尤其是強度的退化，從而使海洋環(huán)境下混凝土建筑物的耐久性成為研究者們關注的問題。而海洋環(huán)境下混凝土強度服役狀態(tài)的預測評價，對于混凝土結(jié)構(gòu)的安全性判定以及建筑物的服役壽命的預測及設計具有重要意義。由于多種因素之間錯綜復雜，相互耦合以及不可避免的偶然因素，導致預測評價出強度的劣化狀態(tài)，是非常困難的。

傳統(tǒng)的回歸統(tǒng)計方法以及半經(jīng)驗半理論推導的方法，得到的結(jié)果不是很理想，并且有一定局限性，很難從某一次或者少量的實驗數(shù)據(jù)中得到合理的混凝土性能劣化的規(guī)律。因此從大數(shù)據(jù)分析出發(fā)，探索其中的復雜規(guī)律勢在必行。但是在實際的混凝土服役環(huán)境下，能充分考慮服役環(huán)境的變化和材料組分變化對混凝土性能的影響，并探究其潛在的顯性邏輯關系，是非常困難的。

因此，有必要提出混凝土性能劣化的預測新方法，提取潛在的邏輯推理關系，這對于混凝土設計和以耐久性具有重要意義。

發(fā)明內(nèi)容

發(fā)明目的：本發(fā)明的目的在于針對現(xiàn)有技術的不足，提供一種海洋環(huán)境下混凝土強度劣化預測評價方法，通過處理不同服役條件下、不同時期的劣化數(shù)據(jù)，并進行分析建模，得到樹狀IF-THAN決策邏輯規(guī)則，最終預測服役混凝土不同年限和服役環(huán)境下強度的退化情況。

技術方案：本發(fā)明提供了一種海洋環(huán)境下混凝土強度劣化預測評價方法，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，并設置優(yōu)先級，作為決策樹的一級中間節(jié)點，所對應的劣化狀態(tài)的屬性類別作為一級分支；

(3.2)依次從訓練組中取出屬性，確定屬性的信息增益，直至得到訓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練組進行劃分，訓練群組將已經(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；