一种基于数据挖掘和智能算法预测混凝土耐久性方法技术

本发明专利技术公开一种基于数据挖掘和智能算法预测混凝土耐久性方法，包括如下步骤：构建混凝土早期抗裂性指标体系，采集属于所述指标体系的样本数据，用于构建随机森林(RF)输入模型，以选取指标集；基于随机森林作变量重要性排序，对所述指标体系的影响因子进行特征选择，筛除不重要的指标，选出最优特征变量集实现降维；输入最优特征集，利用参数寻优后的支持向量机SVM建模，得出混凝土早期总开裂面积，并对结果进行验证。本发明专利技术将随机森林特征选择与支持向量机结合，能在保证结果准确性的前提下提取关键特征，提高了预测模型的精度，使得预测结果更加精确、稳定，可作为快速预测混凝土早期抗裂性的有效的工具。

【技术实现步骤摘要】
一种基于数据挖掘和智能算法预测混凝土耐久性方法
本专利技术涉及建筑材料检测
，特别是涉及一种基于数据挖掘和智能算法预测混凝土耐久性方法。
技术介绍
近些年来，随着钢筋混凝土结构被广泛应用于建筑工程中，由于混凝土自身的耐久性问题而严重危害建筑工程的结构安全和正常使用的事件屡见不鲜，混凝土结构日益突出的耐久性问题，越来越受到国内外的广泛关注。混凝土早期抗裂性作为影响耐久性的重要因素之一，解决混凝土早期开裂问题对提高混凝土耐久性具有重要意义，因此开展对混凝土早期抗裂性的快速预测研究具有重要的工程应用价值。目前，国内外学术界和工程界从不同角度对混凝土的抗裂性能进行了理论与试验研究，但这些研究主要采用的是传统的因素试验方法，需要展开大量试验，统计观测数据，存在试验周期长，不确定因素多，系统误差大等问题。随着机器学习算法的兴起，一些专家开始尝试使用智能算法开展研究但并没有获得理想的效果。原因在于混凝土早期抗裂性预测的影响因素较多，找准合适的切入点，选择抗干扰能力强、数据依赖性小、泛化性能好的合适可靠的算法模型显得尤为重要。专利本文档来自技高网...

【技术保护点】
1.一种基于数据挖掘和智能算法预测混凝土耐久性方法，其特征在于，包括如下步骤：/n构建混凝土早期抗裂性指标体系，采集属于所述指标体系的样本数据，用于构建随机森林RF输入模型，以选取指标集；/n基于随机森林作变量重要性排序，对所述指标体系的影响因子进行特征选择，筛除不重要的指标，选出最优特征变量集实现降维；/n输入最优特征集，利用参数寻优后的支持向量机SVM建模，得出混凝土早期总开裂面积，并对结果进行验证。/n

【技术特征摘要】
1.一种基于数据挖掘和智能算法预测混凝土耐久性方法，其特征在于，包括如下步骤：
构建混凝土早期抗裂性指标体系，采集属于所述指标体系的样本数据，用于构建随机森林RF输入模型，以选取指标集；
基于随机森林作变量重要性排序，对所述指标体系的影响因子进行特征选择，筛除不重要的指标，选出最优特征变量集实现降维；
输入最优特征集，利用参数寻优后的支持向量机SVM建模，得出混凝土早期总开裂面积，并对结果进行验证。


2.根据权利要求1所述的基于数据挖掘和智能算法预测混凝土耐久性方法，其特征在于：所述混凝土早期抗裂性指标体系需要从混凝土材料和配合比出发，分析混凝土早期开裂机理。


3.根据权利要求1所述的基于数据挖掘和智能算法预测混凝土耐久性方法，其特征在于：所述变量重要性的计算方法为：对于随机森林RF模型中每一棵树，利用与树对应的袋外数据计算袋外数据误差，记为errOOB1；随机对袋外数据所有样本的特征X加入噪声干扰，再次计算特征X的袋外数据误差，记为errOOB2；假设随机森林里有Ntree棵树，那么特征X的重要性为：Importance＝∑(errOOB2-errOOB1)/Ntree。


4.根据权利要求1所述的基于数据挖掘和智能算...

【专利技术属性】
技术研发人员：陈虹宇，吴贤国，杨赛，刘琼，刘茜，邓婷婷，张立茂，王帆，张浩蔚，吴霁峰，王雷，刘惠涛，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42