[發明專利]一種基于深度卷積對抗生成網絡的水泥混凝土材料試驗數據增強方法

在審

• 申請號: 202111343969.5
• 申請日: 2021-11-14
• 公開（公告）號: CN114091654A
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 侯越;趙世博;陳寧;劉卓;陳艷艷
• 申請（專利權）人: 北京工業大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G01N33/38
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.一種基于深度卷積對抗生成網絡的水泥混凝土材料試驗數據增強方法，其特征在于：利用水泥混凝土抗壓強度試驗獲取的試驗數據，并結合深度學習方法進行數據增強和預測分析，具體步驟如下：

步驟一：水泥混凝土抗壓強度試驗數據的變量統計分析；

首先，將水泥混凝土抗壓強度試驗的數據集中每個變量進行相關性分析，根據皮爾遜相關性系數衡量特征之間的相關性；

其次，將水泥混凝土抗壓強度試驗的數據集中的每個變量進行可視化分析，觀察成對變量之間的分布關系和每一個單獨變量的分布情況；

將水泥混凝土抗壓強度試驗的數據集中的粉煤灰數據去除；

步驟二：步驟一的變量統計分析后的水泥混凝土抗壓強度試驗的數據集進行制作；

具體地，把水泥混凝土抗壓強度試驗數據集按照訓練集和測試集比例為9：1進行劃分；

步驟三：深度卷積對抗生成網絡數據增強；

深度卷積對抗生成網絡由生成器和判別器兩部分構成；生成器隨機獲取100維向量作為輸入，首先重構為128張6×1的特征圖，后接三個大小為3×3，步長為1的反卷積層和一個大小為3×3，步長為1的卷積層；生成新的虛假試驗數據，隨后輸入判別器；判別器采用四個大小為3×3，步長為2的卷積層，后接兩個64和1的全連接層；最后，輸出水泥混凝土抗壓強度的試驗數據預測為真/假數據的概率及預測結果；通過深度卷積對抗生成網絡方法，生成新的高質量試驗數據，使得試驗數據的變量特征更加明顯，同時擴充樣本數量，提高抗壓強度預測模型的準確性和穩定性，并減少過度擬合；

步驟四：基于深度學習模型的混凝土抗壓強度預測；

1D CNN由四個一維卷積層和兩個全連接層構成；一維卷積層的卷積核尺寸分別分3、2、1和1，數量為64、64、32和32；每層卷積層后接一個大小為2、步幅為1最大池化層；全連接層的單元數量為256和64；以上每層均使用ReLU激活函數；

VGG是在原始VGG-16的基礎上刪除三個512的卷積層，具體表現為：兩個尺寸為3×3、數量為64的卷積層，兩個尺寸為3×3、數量為128的卷積層，三個尺寸為3×3、數量為256的卷積層，三個尺寸為3×3、數量為512的卷積層；每組卷積層后接一個大小為1、步幅為2最大池化層；全連接層的單元數量分別為4096，每層均使用ReLU激活函數。

2.根據權利要求1所述的一種基于深度卷積對抗生成網絡的水泥混凝土材料試驗數據增強方法，其特征在于，在水泥混凝土抗壓強度試驗數據集的變量統計分析基礎上，利用相關性分析去除相關性不大的數據以進行降維，然后將數據集切分成若干的48×8的矩陣形式，再輸入深度卷積對抗生成網絡，能夠學習水泥混凝土抗壓強度試驗數據的重要特征，生成高質量水泥混凝土抗壓強度試驗數據。

3.根據權利要求1所述的一種基于深度卷積對抗生成網絡的水泥混凝土材料試驗數據增強方法，其特征在于，采用深度卷積對抗生成網絡模型在原始模型進行以下改進：(1)反卷積代替池化操作；(2)添加批標準化的操作，穩定學習訓練過程；(3)除生成器的輸出層使用Tanh激活函數之外其他層使用ReLU激活函數，判別器的所有層采用LeakyReLU激活函數。

4.根據權利要求1所述的一種基于深度卷積對抗生成網絡的水泥混凝土材料試驗數據增強方法，其特征在于，所述的相關性分析中，通過水泥、高爐礦渣、粉煤灰、水、減水劑、粗集料、細集料、齡期來預測抗壓強度，對試驗數據中的所有變量進行相關性分析；然后，利用皮爾遜相關性系數衡量特征之間的相關性，得相關性分析熱圖，皮爾遜相關性系數數值越接近1或-1，越具有正負相關性；粉煤灰與目標預測值的相關性小，將粉煤灰從輸入端去除。

5.根據權利要求1所述的一種基于深度卷積對抗生成網絡的水泥混凝土材料試驗數據增強方法，其特征在于，所述的可視化分析中，創建一個由多個坐標軸構成的矩陣進行可視化；把兩兩變量之間的關系分別繪制在不同的坐標軸上去；將每個變量自己的分布情況顯示在對角線的位置，根據可視化分析結果看出各個變量之間具有一定關聯性。