本发明专利技术公开了一种沙漠砂混凝土强度预测模型训练方法、装置、设备及介质，属于模型训练技术领域，该方法包括：获取至少一组训练数据；从所述至少一组训练数据中确定出一组目标训练数据；利用所述目标训练数据对强度预测模型进行训练，得到训练误差；若所述训练误差大于预设误差阈值，则利用PSO算法调整所述强度预测模型的模型参数；更新所述强度预测模型和所述目标训练数据，返回执行利用所述目标训练数据对强度预测模型进行训练，得到训练误差的步骤，直至所述训练误差小于所述预设误差阈值，得到沙漠砂混凝土强度预测模型。本发明专利技术结合PSO算法对强度预测模型进行训练，提高了模型训练的精度，进而保证了强度预测的准确性。进而保证了强度预测的准确性。进而保证了强度预测的准确性。
【技术实现步骤摘要】
沙漠砂混凝土强度预测模型训练方法、装置、设备及介质
[0001]本专利技术涉及模型训练
，尤其涉及一种沙漠砂混凝土强度预测模型训练方法、装置、设备及介质。
技术介绍
[0002]相关技术中，传统的强度预测模型训练方法一般直接通过训练数据对模型进行训练优化，但由于训练数据本身可能存在异常，导致得到的模型精度不够，预测准确性还有待提高，且相关强度预测模型集中于预测普通混凝土的强度值。
技术实现思路
[0003]本专利技术实施例通过提供一种沙漠砂混凝土强度预测模型训练方法、装置、设备及介质，解决了现有技术中进行强度预测模型训练时所得模型精度不够的问题。
[0004]根据本专利技术的第一方面，提供了一种沙漠砂混凝土强度预测模型训练方法，包括：
[0005]获取至少一组训练数据；所述训练数据包括混凝土的初始强度均值、掺杂的沙漠砂比例以及对应的沙漠砂混凝土的类型特征向量和强度均值；其中，不同组训练数据的初始强度均值不同；
[0006]从所述至少一组训练数据中确定出一组目标训练数据；
[0007]利用所述目标训练数据对强度预测模型进行训练，得到训练误差；
[0008]若所述训练误差大于预设误差阈值，则利用PSO算法调整所述强度预测模型的模型参数；
[0009]基于所述模型参数更新所述强度预测模型，并从剩余所述训练数据中确定出一组新的训练数据，以更新所述目标训练数据，返回执行利用所述目标训练数据对强度预测模型进行训练，得到训练误差的步骤，直至所述训练误差小于所述预设误差阈值，得到沙漠砂混凝土强度预测模型。
[0010]可选地，所述获取至少一组训练数据之前，所述方法还包括：
[0011]针对任一组所述训练数据，检测所述混凝土的强度值；
[0012]根据所述沙漠砂混凝土的类型获得所述沙漠砂混凝土的类型特征向量，并检测所述沙漠砂混凝土的强度值；其中，所述沙漠砂混凝土由向所述混凝土中加入预设替换比例的沙漠砂得到；
[0013]根据所述混凝土的强度值、所述沙漠砂混凝土的强度值以及所述类型特征向量，生成所述训练数据。
[0014]可选地，所述利用所述目标训练数据对强度预测模型进行训练，得到训练误差，包括：
[0015]将所述目标训练数据输入所述强度预测模型对所述强度预测模型进行训练，获得训练结果；
[0016]计算所述训练结果与预设期望值之间的差值，所述差值即为所述训练误差。
[0017]可选地，所述若所述训练误差大于预设误差阈值，则利用PSO算法调整所述强度预测模型的模型参数，包括：
[0018]若所述训练误差大于所述预设误差阈值，则调用所述PSO算法；
[0019]根据所述PSO算法和所述训练数据，得到最优权重和最优偏置；
[0020]根据所述最优权重和最优偏置，更新所述强度预测模型。
[0021]可选地，所述基于所述模型参数更新所述强度预测模型，并从剩余所述训练数据中确定出一组新的训练数据，以更新所述目标训练数据，返回执行利用所述目标训练数据对强度预测模型进行训练，得到训练误差的步骤，直至所述训练误差小于所述预设误差阈值，得到沙漠砂混凝土强度预测模型之后，所述方法还包括：
[0022]向用户终端发送训练完成提示信息。
[0023]可选地，所述向用户终端发送训练完成提示信息之后，所述方法还包括：
[0024]获取至少一组测试数据；所述测试数据包括混凝土的初始强度均值、掺杂的沙漠砂比例以及对应的沙漠砂混凝土的类型特征向量和强度均值；其中，不同组测试数据的初始强度均值不同；
[0025]利用所述测试数据对所述沙漠砂混凝土强度预测模型进行测试，得到测试误差；
[0026]若所述测试误差小于或者等于所述预设误差阈值，则输出所述沙漠砂混凝土强度预测模型。
[0027]可选地，所述若所述测试误差小于或者等于所述预设误差阈值，则输出所述沙漠砂混凝土强度预测模型之后，所述方法还包括：
[0028]向用户终端发送测试完成提示信息。
[0029]根据本专利技术的第二方面，提供了一种沙漠砂混凝土强度预测模型训练装置，包括：
[0030]数据获取模块，用于获取至少一组训练数据；所述训练数据包括混凝土的初始强度均值、掺杂的沙漠砂比例以及对应的沙漠砂混凝土的类型特征向量和强度均值；其中，不同组训练数据的初始强度均值不同；
[0031]训练数据确定模块，用于从所述至少一组训练数据中确定出一组目标训练数据；
[0032]模型训练模块，用于利用所述目标训练数据对强度预测模型进行训练，得到训练误差；
[0033]参数调整模块，用于若所述训练误差大于预设误差阈值，则利用PSO算法调整所述强度预测模型的模型参数；
[0034]训练完成模块，用于基于所述模型参数更新所述强度预测模型，并从剩余所述训练数据中确定出一组新的训练数据，以更新所述目标训练数据，返回执行利用所述目标训练数据对强度预测模型进行训练，得到训练误差的步骤，直至所述训练误差小于所述预设误差阈值，得到沙漠砂混凝土强度预测模型。
[0035]根据本专利技术的第三方面，提供了一种沙漠砂混凝土强度预测模型训练设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的沙漠砂混凝土强度预测模型训练程序，所述沙漠砂混凝土强度预测模型训练程序被所述处理器执行时实现第一方面或第二方面的实现方式中的任一种可能的实现方式中所述的各个步骤。
[0036]根据本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有沙漠砂混凝土强度预测模型训练程序，所述沙漠砂混凝土强度预测模型训练程序被处理器执行时实
现第一方面或第二方面的实现方式中的任一种可能的实现方式中所述的各个步骤。
[0037]本专利技术实施例提出一种沙漠砂混凝土强度预测模型训练方法、装置、设备及介质，通过沙漠砂混凝土强度预测模型训练设备获取至少一组训练数据；从所述至少一组训练数据中确定出一组目标训练数据；利用所述目标训练数据对强度预测模型进行训练，得到训练误差；若所述训练误差大于预设误差阈值，则利用PSO算法调整所述强度预测模型的模型参数；更新所述强度预测模型和所述目标训练数据，返回执行利用所述目标训练数据对强度预测模型进行训练，得到训练误差的步骤，直至所述训练误差小于所述预设误差阈值，得到沙漠砂混凝土强度预测模型。
[0038]本专利技术通过获取训练数据确定出目标训练数据；利用该目标训练数据对强度预测模型进行训练；再利用PSO算法调整该强度预测模型的模型参数以减小误差，直至训练误差小于预设误差阈值，得到沙漠砂混凝土强度预测模型。本专利技术区别于现有技术中进行强度预测模型训练时所得模型精度不够的情况，结合PSO算法对强度预测模型进行训练，提高了模型训练的精度，进而保证了强度预测的准确性。
附图说明
[0039]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种沙漠砂混凝土强度预测模型训练方法，其特征在于，所述方法包括：获取至少一组训练数据；所述训练数据包括混凝土的初始强度均值、掺杂的沙漠砂比例以及对应的沙漠砂混凝土的类型特征向量和强度均值；其中，不同组训练数据的初始强度均值不同；从所述至少一组训练数据中确定出一组目标训练数据；利用所述目标训练数据对强度预测模型进行训练，得到训练误差；若所述训练误差大于预设误差阈值，则利用PSO算法调整所述强度预测模型的模型参数；基于所述模型参数更新所述强度预测模型，并从剩余所述训练数据中确定出一组新的训练数据，以更新所述目标训练数据，返回执行利用所述目标训练数据对强度预测模型进行训练，得到训练误差的步骤，直至所述训练误差小于所述预设误差阈值，得到沙漠砂混凝土强度预测模型。2.根据权利要求1所述的方法，其特征在于，所述获取至少一组训练数据之前，所述方法还包括：针对任一组所述训练数据，检测所述混凝土的强度值；根据所述沙漠砂混凝土的类型获得所述沙漠砂混凝土的类型特征向量，并检测所述沙漠砂混凝土的强度值；其中，所述沙漠砂混凝土由向所述混凝土中加入预设替换比例的沙漠砂得到；根据所述混凝土的强度值、所述沙漠砂混凝土的强度值以及所述类型特征向量，生成所述训练数据。3.根据权利要求1所述的方法，其特征在于，所述利用所述目标训练数据对强度预测模型进行训练，得到训练误差，包括：将所述目标训练数据输入所述强度预测模型对所述强度预测模型进行训练，获得训练结果；计算所述训练结果与预设期望值之间的差值，所述差值即为所述训练误差。4.根据权利要求1所述的方法，其特征在于，所述若所述训练误差大于预设误差阈值，则利用PSO算法调整所述强度预测模型的模型参数，包括：若所述训练误差大于所述预设误差阈值，则调用所述PSO算法；根据所述PSO算法和所述训练数据，得到最优权重和最优偏置；根据所述最优权重和最优偏置，更新所述强度预测模型。5.根据权利要求1所述的方法，其特征在于，所述基于所述模型参数更新所述强度预测模型，并从剩余所述训练数据中确定出一组新的训练数据，以更新所述目标训练数据，返回执行利用所述目标训练数据对强度预测模型进行训练，得到训练误差的步骤，直至所述训练误差小于所述预设误差阈值，得到沙漠砂混凝土强度预测模型之后，所述方法还包括...
【专利技术属性】
技术研发人员：廖太昌，常小娟，杨阳，姚鑫，袁杰，谢江胜，蔡小平，杨星智，杨文萃，帖锋斌，
申请(专利权)人：中铁二十局集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。