碾压混凝土重力坝施工期最高温度预测算法制造技术

碾压混凝土重力坝施工期最高温度预测算法，尤其是一种预测施工期混凝土浇筑块内部最高温度的碾压混凝土重力坝施工期最高温度预测算法。本发明专利技术依托施工期实际数据，建立MySQL温度数据库，采用Rough集理论约简条件属性得到最小规则集，并作为预测算法的输入；基于最小二乘支持向量机，建立预测模型，实现对碾压混凝土重力坝施工期浇筑块内最高温度的预测，提升碾压混凝土重力坝的浇筑质量；建立以浇筑块为精度的坝体模型，自定义模型名称为唯一标识，将最高温度数据与唯一标识绑定，实现模型与数据的关联，实现温度数据的动态展示与实时交互。本发明专利技术为碾压混凝土重力坝施工期最高温度预测和控制提供了新方式，有助于降低坝体开裂风险，提升坝体浇筑质量。

Prediction algorithm for maximum temperature of RCC gravity dam during construction period

【技术实现步骤摘要】
碾压混凝土重力坝施工期最高温度预测算法
本专利技术涉及水利水电工程领域，尤其是一种实用、快速的预测施工期混凝土浇筑块内部最高温度的碾压混凝土重力坝施工期最高温度预测算法。
技术介绍
碾压混凝土坝作为一种新兴坝型，具有可利用粉煤灰等废料、节约水泥、绝热温升较低、减少污染、缩短工期、节省投资的优点等显著优势，是20世纪筑坝技术的一次重大创新和突破。由于大量掺用粉煤灰，且碾压混凝土重力坝通常采用大仓面通仓均衡连续上升的方式浇筑，导致水化热散发延迟，造成混凝土内部温度较高，产生较大的温度梯度，从而产生较大温度拉应力，超过混凝土允许拉伸变形从而导致混凝土开裂。由于施工过程中的温度变化对碾压混凝土坝的应力状态有重要影响，随着碾压混凝土坝高的不断增加，这种影响会越来越大，且现在在建、拟建的碾压混凝土坝绝大多数是碾压混凝土重力坝，因此，碾压混凝土重力坝成层浇筑过程中温度的预测并提前拟定降温措施在混凝土重力坝施工期中具有重要意义。国内已有较多许多学者对碾压混凝土重力坝温度控制及预测做了一些研究。高坝温度控制研究主要集中在混凝土材料、温控防裂措施和理论方法三方面。混凝土材料研究主要集中在混凝土骨料和掺合本文档来自技高网...

【技术保护点】
1.一种碾压混凝土重力坝施工期最高温度预测算法，其特征在于该预测算法是依托施工期实际数据，建立MySQL温度数据库，采用Rough集理论约简条件属性得到最小规则集，并作为预测算法的输入；基于最小二乘支持向量机，建立预测模型，实现对碾压混凝土重力坝施工期浇筑块内最高温度的预测，并进行报警，提供施工指导，提升碾压混凝土重力坝的浇筑质量；建立以浇筑块为精度的坝体模型，满足施工需求，自定义模型名称为唯一标识，将最高温度数据与唯一标识绑定，实现模型与数据的关联，实现温度数据的动态展示与实时交互；碾压混凝土重力坝施工期最高温度预测算法包括基于Rough集理论的数据约简算法和基于实测数据和SVM算法的最高温...

【技术特征摘要】
1.一种碾压混凝土重力坝施工期最高温度预测算法，其特征在于该预测算法是依托施工期实际数据，建立MySQL温度数据库，采用Rough集理论约简条件属性得到最小规则集，并作为预测算法的输入；基于最小二乘支持向量机，建立预测模型，实现对碾压混凝土重力坝施工期浇筑块内最高温度的预测，并进行报警，提供施工指导，提升碾压混凝土重力坝的浇筑质量；建立以浇筑块为精度的坝体模型，满足施工需求，自定义模型名称为唯一标识，将最高温度数据与唯一标识绑定，实现模型与数据的关联，实现温度数据的动态展示与实时交互；碾压混凝土重力坝施工期最高温度预测算法包括基于Rough集理论的数据约简算法和基于实测数据和SVM算法的最高温度预测算法；具体步骤如下：1)首先执行数据约简算法，即对数据进行离散和降维，得到最小规则集；以该最小规则集为预测算法的输入，实测数据为样本以训练模型，得到精度高的模型参数:Rough集理论算法要求决策表中的值为离散值，而影响温度的因素均为连续属性，采用基于熵的连续属性离散算法，寻找最小熵损失和区间数的最佳平衡，该区间数对应的断点集即为最优分割点集；计算公式(1)为：其中，Ei为第i个区间的熵，k表示离散区间数，pij表示第i个区间中类j的概率；熵函数Ei是凹函数，其值随k增加而增加，其斜率随k增加而减小，在熵最大时对应最大区间数kmax，熵函数曲线上的点均在直线l上方；离散化时，依次选择毗邻区间进行合并，使合并前后熵差最小；随着区间合并，熵值逐渐减小，在曲线拐点t处熵值增加率小于离散区间增加率，此时曲线到直线l的距离最大，t即作为区间合并的停止点；属性离散后，采用基于条件熵的属性重要度来表征任意属性的重要性，条件熵计算公式为公式(2)，任意属性α的重要度以其引起的互信息量大小表示，见公式(3)，互信息量越大，重要度越大，表明对决策属性越重要；采用删除法，属性约简算法步骤如下：①计算条件属性集合A相对于决策属性D的条件熵E(D|A)其中，D＝{x1，x2，…xn}，A＝{y1，y2，…yn}，p表示属性出现的概率；②计算删除属性α后属性集合A相对于决策属性D的条件熵E(D|A-α)；③求属性α重要度SGF(α,A,D)；并判断，当SGF(α,A,D)＝0，则属性α对决策影响力为零，剔除；若SGF(α,A,D)≠0，或者大于设定阈值，则保留该属性；SGF(α,A,D)＝E(D|A)-E(D|A-α)………………(3)④重复②-③步骤，直到所有属性判断完，得到最终条件属性集合C'；2)以属性集合C'为预测算法的输入，计算过程如下：预测算法采用LS-SVM预测算法，并采用引力搜索算法进行寻优，建立最优模型，LS-SVM预测算法设计如下：①构造LS-SVM...

【专利技术属性】
技术研发人员：张宗亮，张社荣，杨宜文，罗孝明，王超，向弘，梁礼绘，史跃洋，杨梅，赵磊，
申请(专利权)人：中国电建集团昆明勘测设计研究院有限公司，天津大学，
类型：发明
国别省市：云南,53