[發(fā)明專利]一種基于徑向基神經(jīng)網(wǎng)絡(luò)的自密實(shí)混凝土強(qiáng)度預(yù)測(cè)方法在審
| 申請(qǐng)?zhí)枺?/td> | 201911187769.8 | 申請(qǐng)日: | 2019-11-28 |
| 公開(公告)號(hào): | CN111024929A | 公開(公告)日: | 2020-04-17 |
| 發(fā)明(設(shè)計(jì))人: | 孫振平;趙一鶴;冀言亮;黎碧云 | 申請(qǐng)(專利權(quán))人: | 同濟(jì)大學(xué) |
| 主分類號(hào): | G01N33/38 | 分類號(hào): | G01N33/38 |
| 代理公司: | 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225 | 代理人: | 葉敏華 |
| 地址: | 200092 *** | 國(guó)省代碼: | 上海;31 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 徑向 神經(jīng)網(wǎng)絡(luò) 密實(shí) 混凝土 強(qiáng)度 預(yù)測(cè) 方法 | ||
1.一種基于徑向基神經(jīng)網(wǎng)絡(luò)的自密實(shí)混凝土強(qiáng)度預(yù)測(cè)方法,其特征在于,包括以下步驟:
S1、收集樣本數(shù)據(jù),樣本數(shù)據(jù)包括N組原始輸入向量和對(duì)應(yīng)的原始輸出向量,其中,N>50;
S2、對(duì)原始輸入向量進(jìn)行初始化處理,得到初始化的輸入向量;
S3、基于初始化的輸入向量和原始輸出向量,構(gòu)建徑向基函數(shù)模型;
S4、基于樣本數(shù)據(jù),對(duì)徑向基函數(shù)模型進(jìn)行訓(xùn)練,得到訓(xùn)練好的徑向基函數(shù)模型;
S5、任意給定實(shí)際輸入向量,由訓(xùn)練好的徑向基函數(shù)模型對(duì)其進(jìn)行預(yù)測(cè),以得到對(duì)應(yīng)的自密實(shí)混凝土強(qiáng)度預(yù)測(cè)值。
2.根據(jù)權(quán)利要求1所述的一種基于徑向基神經(jīng)網(wǎng)絡(luò)的自密實(shí)混凝土強(qiáng)度預(yù)測(cè)方法,其特征在于,所述輸入向量為自密實(shí)混凝土配合比,所述輸出向量為自密實(shí)混凝土強(qiáng)度。
3.根據(jù)權(quán)利要求2所述的一種基于徑向基神經(jīng)網(wǎng)絡(luò)的自密實(shí)混凝土強(qiáng)度預(yù)測(cè)方法,其特征在于,所述自密實(shí)混凝土配合比的成分包括水泥、填料、水、粗骨料、細(xì)骨料和外加劑,其中,水泥和填料共同構(gòu)成膠凝材料。
4.根據(jù)權(quán)利要求3所述的一種基于徑向基神經(jīng)網(wǎng)絡(luò)的自密實(shí)混凝土強(qiáng)度預(yù)測(cè)方法,其特征在于,所述步驟S2中對(duì)原始輸入向量進(jìn)行初始化處理的具體方法為:將自密實(shí)混凝土配合比的各成分的質(zhì)量轉(zhuǎn)化為各成分與膠凝材料的質(zhì)量比值。
5.根據(jù)權(quán)利要求1所述的一種基于徑向基神經(jīng)網(wǎng)絡(luò)的自密實(shí)混凝土強(qiáng)度預(yù)測(cè)方法,其特征在于,所述步驟S3中徑向基函數(shù)模型具體為:
其中,y為輸出向量,N為輸入向量的組數(shù),ωi為第i組輸入向量的權(quán)重,φi為第i組輸入向量到對(duì)應(yīng)輸出向量之間的非線性映射,x為輸入向量,其維數(shù)為N×n,n為輸入向量的成分種類數(shù)減去1之后的數(shù)值,ci為中心向量,且初始為零向量。
6.根據(jù)權(quán)利要求5所述的一種基于徑向基神經(jīng)網(wǎng)絡(luò)的自密實(shí)混凝土強(qiáng)度預(yù)測(cè)方法,其特征在于,所述輸入向量到對(duì)應(yīng)輸出向量之間的非線性映射采用高斯函數(shù):
其中,t為自變量,δi為給定系數(shù)。
7.根據(jù)權(quán)利要求1所述的一種基于徑向基神經(jīng)網(wǎng)絡(luò)的自密實(shí)混凝土強(qiáng)度預(yù)測(cè)方法,其特征在于,所述步驟S4具體包括以下步驟:
S41、將樣本數(shù)據(jù)的原始輸入向量代入構(gòu)建的徑向基函數(shù)模型,得到對(duì)應(yīng)的樣本預(yù)測(cè)值;
S42、將樣本預(yù)測(cè)值與樣本數(shù)據(jù)中對(duì)應(yīng)的原始輸出向量進(jìn)行比較,以判斷徑向基函數(shù)模型是否滿足預(yù)測(cè)精度條件,若判斷為是,則該徑向基函數(shù)模型即為訓(xùn)練好的徑向基函數(shù)模型,否則執(zhí)行步驟S43;
S43、調(diào)整徑向基函數(shù)模型中的權(quán)重,之后返回步驟S41。
8.根據(jù)權(quán)利要求7所述的一種基于徑向基神經(jīng)網(wǎng)絡(luò)的自密實(shí)混凝土強(qiáng)度預(yù)測(cè)方法,其特征在于,所述步驟S42中預(yù)測(cè)精度條件具體為:
其中,yk為樣本預(yù)測(cè)值,ya為原始輸出向量,ε為預(yù)設(shè)的預(yù)測(cè)精度。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于同濟(jì)大學(xué),未經(jīng)同濟(jì)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201911187769.8/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計(jì)算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計(jì)算設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲(chǔ)介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





