[發明專利]一種基于GA-SVM的可控低強度材料性能預測方法

在審

• 申請號: 202310199072.2
• 申請日: 2023-03-03
• 公開（公告）號: CN116205141A
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 趙貴杰;閆歡;田金豐;劉寅;潘曉強
• 申請（專利權）人: 長春工程學院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F17/18;G06F18/2411;G06F18/214;G06N3/006
• 代理公司: 安徽濰達知識產權代理事務所(普通合伙) 34166
• 代理人: 劉偉超

本發明涉及一種基于GA?SVM的可控低強度材料性能預測方法，包括：1、配制不同水泥摻入量、水灰比以及不同外摻劑摻入量的土基可控低強度材料，并對其不同齡期下的物理及力學性質進行測試；2、選取工程中較為關注的性能指標作為預測對象，選取影響可控低強度材料性能的因素作為影響因子，建立數據集，構建訓練樣本；3、采用GA算法對SVM模型優化，搜尋模型最優的參數：懲罰因子C和核函數γ，建立GA?SVM性能預測模型；4、利用GA算法對可控低強度材料的性能指標SVM預測模型優化設計，能夠更準確地完成對性能的預測，且效率高、誤差小。

技術領域

本發明屬于土體固化技術領域，具體涉及一種基于GA-SVM的可控低強度材料性能預測方法。

背景技術

可控低強度材料是一種具有高流動性，在自重作用下無需或少許振搗可自行填充，形成自密實結構的替代傳統回填材料的膠凝回填材料。目前，該種材料已被廣泛應用于結構回填、管道襯砌、空隙填筑、路面基層、橋梁道路等巖土工程中。近些年來，大量學者不斷嘗試應用一些新的材料來制備可控低強度材料，這些材料包括再生細骨料、新型鋼渣、廢牡蠣殼、高塑性土等。相關研究不但極大的豐富了制備可控低強度材料的材料來源，也深刻地闡釋了可控低強度材料的性能形成機理。盡管針對可控低強度材料的研究取得了豐碩的成果，但由于缺少可靠的性能預測的方法，可控低強度材料還沒有形成標準的配料方法。

目前可控低強度材料的研究大多通過正交試驗或響應面法等確定固化劑最優配方及強度預測模型。正交試驗法計算精度差，響應面法雖然精度高，但仍需要開展大量的旋轉中心試驗來確定自變量的系數，當自變量數目較多時，該方法試驗成本將顯著增加。支持向量機(support?vector?machines,SVM)是建立在統計學習理論基礎上的一種機器學習算法，它憑借結構風險最小化原則，有效的解決了維數災難、欠學習等研究難題，并在小樣本、維度高、非線性等情況下取得了較大的研究進展，目前已經在包括土木工程的眾多領域內得到了廣泛應用。但其預測精度受懲罰參數C與核函數參數g影響很大，設置不同的C、g參數顯示出不同的預測精度。

發明內容

本發明的目的在于提供一種基于GA-SVM的可控低強度材料性能預測方法，該方法可以簡單、高效、準確地對可控低強度材料的性能指標進行預測。

一種基于GA-SVM的可控低強度材料性能預測方法，其特征在于，具體步驟如下：

S1：配制不同水泥摻入量、水灰比以及不同外摻劑摻入量的土基可控低強度材料，并對其不同齡期下的物理及力學性質進行測試；

S2：選取工程中較為關注的性能指標作為預測對象，選取影響其性能指標的因素作為變量，構建數據集，剔除數據集中的異常點，進行標準化處理；

S3：對標準化處理的數據進行分組，一部分作為訓練集，另一部分作為驗證集，采用GA算法對SVM模型優化時，為能找到模型最優的參數，引入交叉驗證法，不斷進行試算，找到最優的懲罰因子C和核函數γ參數進行優化，建立GA-SVM性能預測模型；

S4：將GA-SVM性能預測模型的預測結果與驗證集數據進行比對，分析模型的預測精度。

更進一步而言，所述S1中，所述的外摻劑可以為早強劑、膨脹劑、減水劑、引氣劑、緩凝劑等一種或者其組合，但不僅限于以上幾種；也可以為復合外摻劑。

更進一步而言，所述S1中，所述不同齡期是指可控低強度材料在標準條件下養護時間為0天、3天、7天、14天或者28天等。

更進一步而言，所述S1中，所述物理及力學性質包括流動度、無側限抗壓強度、密度等。

更進一步而言，所述S2中，所述影響其性能指標的因素可以為水泥摻入量、水灰比、外摻劑摻入量等，但不僅限于以上幾個。

更進一步而言，所述S1中，所述標準化處理是對數據集進行預處理，以加快模型的訓練速度和收斂速度，提高預測精度，標準化處理方法為：