[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

本發明公開了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，結合深度卷積對抗生成網絡對小批量試驗數據進行擴增，以達到深度學習模型預測精度提升的效果。使用計算機技術對原始試驗數據進行變量統計分析及數據集制作。本發明先對室內抗壓強度試驗獲取的數據進行深度卷積對抗生成網絡數據增強，學習試驗數據之間的關鍵信息，使得試驗數據樣本物理特征相對更加明顯，更易被機器捕捉特征，有助于提高模型的預測精度和泛化能力，減少過擬合。在此基礎上，基于深度學習模型一維卷積神經網絡(1DCNN)和二維卷積神經網絡(VGG)對擴增后的實驗數據集進行混凝土抗壓強度預測。此外，本發明不僅可以節約人工和時間成本，還可以為后續的道路材料性能分析奠定基礎。

技術領域

本發明屬于道路材料性能分析領域，涉及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。本發明應用于利用水泥混凝土抗壓強度試驗獲取的試驗數據進行數據增強。

背景技術

水泥混凝土路面在農村公路等低等級道路應用廣泛，其強度高且使用周期長，但是損壞后維修難度大。裂縫、坑槽等病害在一定程度上影響行車的安全性和舒適性，因此，混凝土抗壓強度作為重要性能控制指標之一，能夠快速、有效地獲得混凝土抗壓強度值，對于前期材料配合比設計具有重要的指導意義，從而最大程度上延長水泥路面的服役壽命。

目前大部分的混凝土抗壓強度直接測定工作都需要大量的人工和時間成本，通過現場物理試驗直接獲取。與傳統試驗方法不同是，還提出了一些經驗回歸的方法來預測混凝土強度，這樣的方法的確節省大量的時間，但是獲取的混凝土抗壓強度預測值與實際值偏差較大。受益于人工智能技術的發展，機器學習方法被逐漸應用于道路材料性能分析領域，能夠快速高效地對獲得的試驗數據進行分析和預測，節約時間，降低成本，而且得到的結果較為精確。

目前基于室內試驗的混凝土抗壓強度直接測定方法經常面臨獲取的試驗數據集小，以及混凝土試件制作的時間成本高等問題，數據增強技術不僅可以減少室內試驗的工作量，還可以為深度學習模型帶來可觀的性能提升，提高準確性和穩定性，并減少過度擬合。

因此，本發明提出了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。本發明首先獲取一份包含1030組的試驗數據作為數據集，然后對該數據集的各個變量進行統計分析以探究其關系，從而去掉相關性較小的特征變量進行數據降維，最后基于深度卷積生成網絡進行數據擴增到50208組，以擴充樣本數量，為之后的混凝土抗壓強度預測工作奠定基礎。

發明內容

本發明的目的在于通過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，對混凝土抗壓強度試驗數據進行深度擴充，有效提升根據試驗數據中影響因素預測抗壓強度的精度。本試驗數據包括水泥、高爐礦渣、粉煤灰、水、減水劑、粗集料、細集料、齡期和抗壓強度。

一、深度卷積對抗生成網絡

本發明采用的深度卷積對抗生成網絡模型使用了卷積神經網絡來替代對抗生成網絡中的多層感知機，在原始的對抗生成網絡模型的基礎上進行以下改進：(1)以反卷積代替池化操作；(2)添加了批標準化的操作，以穩定學習訓練過程；(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。

本發明采用的對抗生成網絡包括兩部分結構，即生成器和判別器。兩者組成互相博弈的雙方，經過不斷迭代更新，學習病害特征，使得生成器具有良好的生成試驗數據的能力，判別器具有良好的鑒別數據真假能力，如圖1所示。

本發明采用的技術方案為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，包括試驗數據的變量統計分析、數據集制作、深度卷積對抗網絡數據增強、基于深度學習模型的混凝土抗壓強度預測四大部分，如圖2所示，具體步驟如下：

步驟一：試驗數據的變量統計分析；

首先，將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。