[發明專利]基于RF-NSGA-II耐久性混凝土配合比優化方法

有效

• 申請號: 202010787298.0
• 申請日: 2020-08-07
• 公開（公告）號: CN111986737B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 吳賢國;陳虹宇;陳彬;李鐵軍;胡毅;王帆;楊賽;劉茜;劉瓊
• 申請（專利權）人: 華中科技大學
• 主分類號: G16C20/30
• 分類號: G16C20/30;G16C10/00;G06N3/00;G06N3/12
• 代理公司: 北京恒和頓知識產權代理有限公司 11014
• 代理人: 王福新

本發明屬于混凝土配合比優化設計技術領域，并具體公開了一種基于RF?NSGA?II耐久性混凝土配合比優化方法。包括：構建混凝土耐久性指標體系，采集所述混凝土耐久性指標體系中各變量的樣本數據，并以此建立原始樣本集；采用原始樣本集對隨機森林回歸計算模型進行訓練，并對訓練后的隨機森林回歸計算模型進行評價，以分別生成混凝土相對動彈性模量和氯離子滲透系數的隨機森林預測模型，并以此作為目標函數，以混凝土材料的取值范圍及各材料間的配合比關系為約束條件，采用NSGA?II模型進行耐久性混凝土配合比多目標全局尋優。本發明方法預測精度較高，泛化能力和抗噪能力較強，尋優精度高、魯棒性強、能夠較快獲得全局最優解。

技術領域

本發明屬于混凝土配合比優化設計技術領域，更具體地，涉及一種基于RF-NSGA-II耐久性混凝土配合比優化方法。

背景技術

隨著混凝土結構在各種工程實踐中的應用愈加廣泛，高寒腐蝕環境下的混凝土耐久性問題日益突出，凍融、鹽侵等單一或耦合環境作用對混凝土耐久性能的影響越來越大，由此帶來的混凝土結構劣化和損壞現象不可忽視。混凝土抗凍性和抗滲性作為用于評價混凝土耐久性能和進行壽命預測的兩個重要指標，其與原材料和配合比因素相關，因此基于抗凍和抗滲性能研究混凝土配合比優化具有重要的工程應用價值。

目前，混凝土耐久性能和配合比優化的研究方法主要集中在傳統的正交設計試驗方法，該方法限制條件較多，實驗搜尋范圍有限，且研究耗時長，成本高，無法獲得理想且貼近實際的配合比優化結果。隨著人工智能技術和機器學習算法的興起，一些研究人員利用人工神經網絡和BP神經網絡等方法結合粒子群算法用于配合比優化，但由于神經網絡存在網絡結構參數不易確定、學習速度較慢、預測精度較低的問題，而粒子群算法在搜尋最優解時無法較準確的獲得全局最優解，因此現有的方法均存在一定程度的缺陷，并且目前已有成果的研究對象并未涉及到混凝土的耐久性能，針對多目標進行配合比智能優化的應用較少。RF算法是一種統計集成算法，它利用建立的多個決策子樹預測器的預測結果取平均值獲得模型預測結果，具有訓練速度較快、預測精度較高，能有效緩解過擬合，泛化能力和抗噪能力較強等優點，NSGA-II算法具有尋優精度高、魯棒性強、能夠較快獲得全局最優解的優點。

因此，本領域亟待提出一種利用RF和NSGA-II相結合的模型進行耐久性混凝土配合比優化研究的方法。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種基于RF-NSGA-II耐久性混凝土配合比優化方法，首先建立高精度的混凝土抗凍性和抗滲性隨機森林預測模型，基于樣本數據映射各原材料變量與耐久性能指標的非線性回歸函數關系，然后將兩個耐久性指標的隨機森林預測回歸函數作為NSGA-II算法的目標函數，構建混凝土配合比多目標優化模型，通過遺傳算法尋優得到Pareto前沿解集確定同時滿足混凝土抗凍性和抗滲性能最優的混凝土配合比參數組合。本發明方法預測精度較高，能有效緩解過擬合，泛化能力和抗噪能力較強，尋優精度高、魯棒性強、能夠較快獲得全局最優解。

為實現上述目的，本發明提出了一種基于RF-NSGA-II耐久性混凝土配合比優化方法，包括以下步驟：

S1根據影響混凝土抗凍性及抗滲性的材料和配合比因素構建混凝土耐久性指標體系，采集所述混凝土耐久性指標體系中各變量的樣本數據，并以此建立原始樣本集；

S2采用原始樣本集對隨機森林回歸計算模型進行訓練，并對訓練后的隨機森林回歸計算模型進行評價，以分別生成混凝土相對動彈性模量和氯離子滲透系數的隨機森林預測模型；

S3將上述兩個隨機森林預測模型作為優化混凝土配合比的目標函數，以混凝土材料的取值范圍及各材料間的配合比關系為約束條件，構建NSGA-II模型，并根據設定的迭代終止條件進行耐久性混凝土配合比多目標全局尋優，以生成目標函數的Pareto最優解。