[發明專利]一種預測超早強混凝土抗壓強度的方法在審
| 申請號: | 201710184818.7 | 申請日: | 2017-03-24 |
| 公開(公告)號: | CN107133446A | 公開(公告)日: | 2017-09-05 |
| 發明(設計)人: | 丘偉興;楊飛;徐家興;林逸洲 | 申請(專利權)人: | 廣東工業大學 |
| 主分類號: | G06F19/00 | 分類號: | G06F19/00 |
| 代理公司: | 北京科億知識產權代理事務所(普通合伙)11350 | 代理人: | 趙蕊紅 |
| 地址: | 510006 廣東省*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 預測 超早強 混凝土 抗壓強度 方法 | ||
1.一種預測超早強混凝土抗壓強度的方法,其特征在于:預測方法步驟如下:
S1、建造函數模型;
S2、數據的采集和整理;
S3、對整理后的數據進行歸一化處理;
S4、選取最優模型參數;
S5、根據最優模型參數進行預測,并得到預測結果。
2.根據權利要求1所述的一種預測超早強混凝土抗壓強度的方法,其特征在于:步驟S1建造函數模型的方法如下:
A、訓練樣本集為其中xi為輸入向量,yi為輸出向量,n為樣本個數,i為輸入、輸出向量的序號,i=1、2、3、……、n;支持向量機根據式(1)采用線性回歸函數擬合訓練樣本集;
y(x)=(ω·φ(x))+b......式(1);
式(1)中:ω為權向量;b為偏置項;φ(x)為輸入空間到輸出空間的非線性映射;
B、對式(1)進行非負松弛變量的引入,其約束條件如下:
式(2)中:ε為誤差變量;ξi和為非負松弛變量;
C、根據式(3)對式(1)和式(2)進行最小化處理;
式(3)中:c為懲罰因子,c為大于0的常數;ωΤ為ω的轉置;
D、將式(3)結合式(4)和式(5)轉化為優化問題;
式(4)中:K(xi,xj)=φ(xi)φ(xj)為核函數;αi、αj和為拉格朗算子;Xi為一個訓練集,Xj為另一訓練集;
式(5)中:a為大于0的常數;
E、對式(4)和式(5)進行求解,并根據式(6)建立支持向量機的函數模型;
F、建立核函數,根據式(7)得到核參數;
式(7)中:γ為核參數;
G、將式(7)帶入式(6)中建立支持向量機的RBF核函數預測模型;
3.根據權利要求2所述的一種預測超早強混凝土抗壓強度的方法,其特征在于:步驟S2對不同配比參數的混凝土在常溫下靜置5.5小時脫模,并通過壓力機對混凝土6小時時的抗壓強度進行數據采集。
4.根據權利要求3所述的一種預測超早強混凝土抗壓強度的方法,其特征在于:步驟S2中采集的數據信息分為訓練樣本和預測樣本。
5.根據權利要求4所述的一種預測超早強混凝土抗壓強度的方法,其特征在于:步驟S3分別對訓練樣本和預測樣本進行處理,且歸一化的區間為[-1,1],映射如下:
式(9)中x,y∈R,xmin=min(x),xmax=max(x),R為常數。
6.根據權利要求5所述的一種預測超早強混凝土抗壓強度的方法,其特征在于:歸一化處理得出的數據通過函數模型進行處理,得到模型參數(c,g),g為核參數,γ即為g;
最優模型參數通過對模型參數的交叉驗證進行選取,方法步驟如下:
S11、選取c與g的初始值,令bestc=0,bestg=0,bestCVmse=inf;
S12、將訓練集平均分為N部分train1,train2,…,trainN,將一部分作為測試集進行預測,剩下的作為訓練集分別進行訓練,并得到準確率的平均數cv;
S13、若cv<bestCVmse,則令bestCVmse=cv,bestc=c,bestg=g,并返回S12進行處理;若cv>bestCVmse,則停止,以bestc為c,bestg為g;
bestc、bestg和bestCVmse為超參數,inf為無窮大;
train1,train2,…,trainN為訓練的數據。
7.根據權利要求6所述的一種預測超早強混凝土抗壓強度的方法,其特征在于:所述最優模型參數通過式(8)的處理得到預測結果。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣東工業大學,未經廣東工業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710184818.7/1.html,轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06F 電數字數據處理
G06F19-00 專門適用于特定應用的數字計算或數據處理的設備或方法
G06F19-10 .生物信息學,即計算分子生物學中的遺傳或蛋白質相關的數據處理方法或系統
G06F19-12 ..用于系統生物學的建模或仿真,例如:概率模型或動態模型,遺傳基因管理網絡,蛋白質交互作用網絡或新陳代謝作用網絡
G06F19-14 ..用于發展或進化的,例如:進化的保存區域決定或進化樹結構
G06F19-16 ..用于分子結構的,例如:結構排序,結構或功能關系,蛋白質折疊,結構域拓撲,用結構數據的藥靶,涉及二維或三維結構的
G06F19-18 ..用于功能性基因組學或蛋白質組學的,例如:基因型–表型關聯,不均衡連接,種群遺傳學,結合位置鑒定,變異發生,基因型或染色體組的注釋,蛋白質相互作用或蛋白質核酸的相互作用





