一種基于混合模型的混凝土強度預測方法
【技術領域】
[0001] 本發明涉及一種基于混合模型進行混凝土強度預測的方法。
【背景技術】
[0002] 混凝土的強度（y)是混凝土質量控制的核心內容，是結構設計、施工的重要依據。 通常，混凝土主要由水泥（ Xl)、高爐礦渣粉（x2)、粉煤灰（x3)、水（x4)、減水劑（x 5)、粗集料 (x6)和細集料（x7)等混泥土組分，按照一定的配比均勻攪拌密實成型，最后經過一定齡期 (x 8)的養護硬化而成。目前，混凝土的強度一般通過實驗獲得，即按照標準的制作方法制成 邊長為150mm的正立方體試件，在標準養護條件（溫度20±3°C，相對濕度90%以上）下， 經過至少28天的養護齡期，并按照標準檢測方法來測定其抗壓強度值。
[0003] 通過具體的配比養護實驗來測定混凝土強度，不僅耗費了大量砂、石、粉煤灰和水 泥等材料，另一方面也浪費了大量的人力和時間。因此，有必要提出一種僅根據水泥（ Xl)、 高爐礦渣粉（x2)、粉煤灰（x3)、水（x4)、減水劑（x 5)、粗集料（x6)和細集料（x7)、養護齡期 (x8)等混泥土組分輸入信息，就能對混凝土強度（y)進行預測的方法，這對于混凝土快速配 合比設計和質量控制具有重要意義。
[0004] 由于影響混凝土強度的因素太多，且各因素之間關系復雜，故難以用數值仿真的 方法對其物理化學過程進行定量甚至定性的模擬計算，并進一步確定其理學參數，因此，尚 無法從非實驗的方法上對混凝土的強度進行預測。雖然其本構關系從理論上難以建立，顯 式公式難以獲得。但水泥（ Xl)、高爐礦渣粉（x2)、粉煤灰（x3)、水（x4)、減水劑（x 5)、粗集料 (x6)和細集料（x7)、養護齡期（x8)等混泥土組分輸入信息與混凝土強度（y)之間的函數關 系 y = fh，x2, x3, x4, x5, x6, x7, x8)真實確定存在。
[0005] 目前對混凝土強度的預測研宄主要采用建模方法進行預測。如嚴東采用基于極限 學習機對混凝土強度進行預測，何曉鳳和李鋼等人為了克服人工神經網絡收斂速度慢、易 陷入局部極值問題分別使用PS0-BP和基于正則化RBF神經網絡預測混凝土強度，楊松森等 人應用模糊系統方法建立預測模型，許超等提出一種新的基于支持向量機的混凝土測強換 算方法，楊松森等人應用模糊系統方法建立預測模型。
[0006] 上述建模方法中采用的極限學習機、人工神經網絡和支持向量機等各自存在優缺 點。如：極限學習機全局搜索能力好，泛化能力強，但預測性能不穩定；人工神經網絡自學 習能力強，噪聲容錯能力高，但局部泛化能力低，且容易過學習、過擬合；支持向量機全局 最優，泛化能力好，可以避免人工神經網絡局部極小點問題，特別適用于對小樣本問題的學 習，但其對缺失數據敏感，核函數選擇需謹慎。模糊系統方法適用性強，但其模糊隸屬函數 中具體參數的選擇往往比較困難，難以實際應用。
[0007] 不同地域，混凝土組成成分差異大，必須實地進行混凝土強度實驗以獲得數據樣 本。實際應用中，不同施工單位受于自身各種條件限制，獲得的不同地域混凝土實驗樣本噪 聲差異大，且樣本數量有多有少。而目前文獻中對混凝土強度的預測研宄均采用單一建模 方法。因此，在實際混凝土強度預測時，受不同實際工況的影響，以及鑒于各自方法的優缺 點，其應用效果的魯棒性往往難以保證。

【發明內容】

[0008] 針對上述問題，本發明提出基于混合模型的混凝土強度預測方法，以便綜合各種 方法的優點，同時摒棄其缺點，從而提高對不同實際工況的適應性，即魯棒性，這對于混凝 土快速配合比設計和質量控制具有重要意義。
[0009] 本發明一種基于混合模型的混凝土強度預測方法，包括如下步驟：
[0010] 步驟1、在現場按照標準混凝土強度檢測方法對n組不同水泥Xl、高爐礦渣粉x 2、 粉煤灰x3、水x4、減水劑x5、粗集料&和細集料X 7、養護齡期x8混泥土組分配比信息下進行 強度實驗，獲得混凝土的強度y，其實驗樣本數據如下：
[0011] Kxjd), x2(l), x3(l), x4(l), x5(l), x6(l), x7(l), x8(l), y(l)> ；
[0012] <Xj (2), x2 (2), x3 (2), x4 (2), x5 (2), x6 (2), x7 (2), x8 (2), y (2) > ；
[0013] ...；
[0014] i = 1, 2, . . . , n (1)
[0015] <Xj (i), x2 (i), x3 (i), x4 (i), x5 (i), x6 (i), x7 (i), x8 (i), y (i) > ；
[0016] ...；
[0017] <Xj (n), x2 (n), x3 (n), x4 (n), x5 (n), x6 (n), x7 (n), x8 (n), y (n) >}
[0018]令 x(i) = [XiQhxJihxsQhxJihxsQhxeQhxJihxsQ)]表示式（1)中任 意一組混凝土配比成分實驗數據；
[0019] 步驟2、利用步驟1獲得的n組實驗樣本數據，以式（2)表示的最小化相對誤差為 優化目標，分別對混合模型中的極限學習機、人工神經網路和支持向量機進行訓練，優化目 標如下：
[0020]
[0021] 式⑵中，yk⑴（k = 1~3)分別為極限學習機、人工神經網路和支持向量機在 x(i)的擬合值；
[0022] 在訓練過程中，利用常規成熟優化算法即可獲得各個模型中的最佳參數，訓練完 成后，可建立x (i) - y (i)的3個映射關系，即3個混凝土強度預測模型，分別表示為fk(x) -fk(Xl，X2，X3，X4，X5，X6，X7，X8)(k - 1 ~3)，這里X- [X"X2，X3，X4，X5，X6，X7，X8]，同時，對于 式（1)中任意一組實驗數據lx(i)，y(i)}，可以得到對應的極限學習機、人工神經網路和支 持向量機擬合值，分別為y k(i) = fk(X(i)) (k = 1~3);
[0023] 步驟3、將新的不同混凝土配比成分，帶入上述三個 預測模型fk(x) = fjxi，x2, x3, x4, x5, x6, x7, x8) (k = 1~3)中，得到對應的預測結果，即： (k = 1 ~3);
[0024] 步驟4、基于自適應決策函數，計算出對應的混凝土強度預測值：
[0025]
3
[0026] 其中ak(k= 1~3)為響應權重，=女，這里為Ak為擬合誤差 y(i)-yk(i)Ia=1~n)在f位置附近區域的總誤差，具體計算方法如下：
[0027]
[0028]d(i)表示任意一組混凝土配比成分實驗數據x(i)與新的不同混凝土配比成分 x#在笛卡爾空間坐標系內直線距離的平方，Ak的表達式意味著在在笛卡爾空間坐標系內 實驗數據點X(i)距離點越遠，即d越大，則各個點的擬合誤差|y(i)-yk(i)I對f位 置附近區域總誤差Ak的貢獻越小，換言之，與點x#越近的實驗數據點x(i)，其擬合誤差 ya)-yk(i)I對f位置附近區域總誤差Ak的貢獻越大；
[0029] 步驟5、利用在現場按照標準混凝土強度檢測方法實測得到的混凝土強度值y(j) 對預測得到的混凝土強度值太（j)進行檢驗，以驗證其預測精度。
[0030] 與現有通過標準混凝土強度檢測方法檢測新混凝土配比對應的混凝土強度方法 相比，本發明在現有混凝土實驗數據的基礎上，利用現有的建模方法，可快速獲得新混凝土 配比成分對應的混凝土強度數據，從而解決了混凝土強度檢測需要繁瑣耗時耗材耗力人工 實驗檢測的問題，在混凝土配比設計階段，即可給設計人員提供混凝土強度預測參考，大大 降低成本。本發明的優點和創新之處：
[0031] (1)所采用混合模型分別包括極限學習機、人工神經網路和支持向量機，通過構建 基于自適應權重的決策函數，可以有效實現綜合三種建模方法的優點，同時又可以彌補其 各自不足帶來的影響，提高了混合模型實際工程應用的魯棒性。
[0032] (2)該混合模型包含了基于自適應權重的決策函數，有效從上述三種建模模型的 預測結果中獲得自適應的預測值，有利于對上述三種建模方法的優缺點揚長避短。
[0033] (3)該混合模型中，其決策函數采用的響應權重以實驗樣本點在預測點位置附近 區域的總誤差為考慮因素，符合距離預測點越近的實驗樣本點，對預測點預測值及其預測 誤差影響大，這一客觀實際。
[0034] (4)在訓練極限學習機、人工神經網路和支持向量機時，均采用最小化預測輸出的 相對誤差為優化目標，有利于在多輸入單輸出系統中，克服輸出較小的屬性誤差特別大這 一缺點。
【附圖說明】
[0035] 圖1為本發明實施例中混凝土不同配比下對應的強度實驗數據；
[0036] 圖2為極限學習機、人工神經網路、支持向量機和本發明預測誤差結果。
[0037] 以下結合附圖和具體實施例對本發明作進一步詳述。
【具體實施方式】
[0038] 本發明提供一種利用多組"水泥Xl、高爐礦渣粉x2、粉煤灰x3、水x4、減水劑x5、粗 集料巧和細集料X7、養護齡期x8混泥土組分配比信息-混凝土強度y"組成的學習樣本對 混合模型進行訓練之后，以最小化相對誤差為優化目標確定最佳的混合模型，基于該模型， 可根據測得的新的不同混凝土配比成分，快速預測混凝土強度y的大小，用于判斷該混凝 土組分輸入信息是否達到工程設計要求。
[0039] 本發明采用最小化預測輸出的相對誤差而不是像常規最小二乘法最小化誤差平 方和作為優化目標，有利于在多輸入單輸出系統中，克服輸出較小的屬性誤差特別大的缺 點，更有利于實際工程應用。
[0040] 由于構成混凝土的原材料中水泥、礦物摻合料、砂、石等都具有很強的地域性，不 同的地區，在組成、性質上都存在著不同程度的差，水泥、礦物摻合料、化學外加劑的相容性 也不盡相同。因此，首先按照不同的混凝土組成材料進行配比設計，即對水泥（ X1)、高爐礦 渣粉（X2)、粉煤灰（X3)、水（X4)、減水劑（X5)、粗集料（X6)和細集料（X7)進行混泥土組分配 比，接著在不同的養護齡期（x8)下進行養護，在現場按照標準混凝土強度檢測方法對不同 混凝土配比進行強度實驗，獲得250組混凝土實驗數據。如圖1所示顯示其中的13組混凝 土實驗數據。該圖1的數據針對的是某一地域的混凝土配比實驗數據。這里只提供13組 數據，