一种基于径向基神经网络的自密实混凝土强度预测方法技术

本发明专利技术涉及一种基于径向基神经网络的自密实混凝土强度预测方法，包括：S1、收集样本数据，样本数据包括N组原始输入向量和对应的原始输出向量，其中，N＞50；S2、对原始输入向量进行初始化处理，得到初始化的输入向量；S3、基于初始化的输入向量和原始输出向量，构建径向基函数模型；S4、基于样本数据，对径向基函数模型进行训练，得到训练好的径向基函数模型；S5、任意给定实际输入向量，代入训练好的径向基函数模型，以得到对应的自密实混凝土强度预测值。与现有技术相比，本发明专利技术利用径向基函数将输入向量非线性映射至输出向量，结合高斯函数作为非线性核函数，能够快速收敛获得全局最优解，提高预测效率和预测准确性。

A prediction method of self compacting concrete strength based on radial basis function neural network

【技术实现步骤摘要】
一种基于径向基神经网络的自密实混凝土强度预测方法
本专利技术涉及混凝土强度预测方法
，尤其是涉及一种基于径向基神经网络的自幂数强度预测方法。
技术介绍
自密实混凝土在流动性、变形性和抗离析性方面具有良好性能，能够自行流动并填充框架和结构空隙。自密实混凝土的开发和应用减少了人工成本，并提高了混凝土结构的强度和耐久性。由于自密实混凝土的强度设计涉及不同材料(如水泥，填料，骨料，外加剂等)及其用量，各材料组成之间存在不同程度的交互作用。尤其自密实混凝土胶凝材料用量大，减水剂掺量大，不同配合比对应的强度波动情况规律复杂，若采用传统方法，需要进行巨量人工实验才能得到最佳的配合比。与传统的以水灰比为单因子的线性函数表达不同，需要通过大量实验来优化自密实混凝土配合比，才能保证自密实混凝土获得最佳性能。然而人工试验测试工作量大，周期长，因此有必要对自密实混凝土强度进行预测。现有技术大多采用神经网络的方法对混凝土强度进行预测，比如：中国专利CN104034865A公开了一种混凝土强度的预测方法，其利用非线性支持向量机回归法和神经网络本文档来自技高网...

【技术保护点】
1.一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，包括以下步骤：/nS1、收集样本数据，样本数据包括N组原始输入向量和对应的原始输出向量，其中，N＞50；/nS2、对原始输入向量进行初始化处理，得到初始化的输入向量；/nS3、基于初始化的输入向量和原始输出向量，构建径向基函数模型；/nS4、基于样本数据，对径向基函数模型进行训练，得到训练好的径向基函数模型；/nS5、任意给定实际输入向量，由训练好的径向基函数模型对其进行预测，以得到对应的自密实混凝土强度预测值。/n

【技术特征摘要】
1.一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，包括以下步骤：
S1、收集样本数据，样本数据包括N组原始输入向量和对应的原始输出向量，其中，N＞50；
S2、对原始输入向量进行初始化处理，得到初始化的输入向量；
S3、基于初始化的输入向量和原始输出向量，构建径向基函数模型；
S4、基于样本数据，对径向基函数模型进行训练，得到训练好的径向基函数模型；
S5、任意给定实际输入向量，由训练好的径向基函数模型对其进行预测，以得到对应的自密实混凝土强度预测值。


2.根据权利要求1所述的一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，所述输入向量为自密实混凝土配合比，所述输出向量为自密实混凝土强度。


3.根据权利要求2所述的一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，所述自密实混凝土配合比的成分包括水泥、填料、水、粗骨料、细骨料和外加剂，其中，水泥和填料共同构成胶凝材料。


4.根据权利要求3所述的一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，所述步骤S2中对原始输入向量进行初始化处理的具体方法为：将自密实混凝土配合比的各成分的质量转化为各成分与胶凝材料的质量比值。


5.根据权利要求1所述的一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，所述步骤S3中径向基函数模型具体为：

【专利技术属性】
技术研发人员：孙振平，赵一鹤，冀言亮，黎碧云，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31