本申请提供一种基于MATLAB的土工试验结果批量式复检方法及装置，该方法包括：初始化MATLAB运行环境，依托于BP神经网络，读取.xls文件中包括土质类型的实验数据并写入breast.mat程序；加载breast.mat程序，划分训练数据和复检数据，归一化处理后分别保存于traind_s和testd_s文件中；构建神经网络，读取并以所述训练数据完成所述神经网络训练，利用所述神经网络对由所述复检数据获取的计算变量进行计算；将计算结果进行转化，并与初始化后的复检数据中的所述土质类型进行对比，获得不相符的组编号、复检组的准确率及误差率。本申请基于MATLAB进行土工试验结果批量式复检，同时采用神经网络进行数据计算，同时提高了土工试验结果复检的速度和复检结果的准确性。工试验结果复检的速度和复检结果的准确性。工试验结果复检的速度和复检结果的准确性。
【技术实现步骤摘要】
一种基于MATLAB的土工试验结果批量式复检方法及装置
[0001]本申请涉及土工试验结果批量式复检领域，尤其涉及一种基于MATLAB的土工试验结果批量式复检方法。本申请还涉及一种基于MATLAB的土工试验结果批量式复检装置。
技术介绍
[0002]土工试验是岩土工程勘察的重要组成内容之一，试验结果将直接影响勘察报告的质量。在试验完成后对试验结果进行复检，是保证勘察报告质量的重要手段。
[0003]目前，行业内在复检环节仍普遍采用人工方式，通过对比试验土留样的表观特征和土质参数试验结果对每组试验进行逐一判别，细粒土包含粉土、粉质黏土、淤泥质粉质黏土、淤泥质黏土、黏土，土质类型较为复杂，复检难度相对较大。当土工试验量较大时，复检效率极低。
技术实现思路
[0004]本申请的目的在于克服上述现有技术的技术问题，一种基于MATLAB的土工试验结果批量式复检方法。本申请还涉及一种基于MATLAB的土工试验结果批量式复检装置。
[0005]本申请提供一种基于MATLAB的土工试验结果批量式复检方法，包括：
[0006]初始化MATLAB运行环境，依托于BP神经网络，读取.xls文件中包括土质类型的实验数据并写入breast.mat程序；
[0007]加载breast.mat程序，划分训练数据和复检数据，归一化处理后分别保存于traind_s和testd_s文件中；
[0008]构建神经网络，读取并以所述训练数据完成所述神经网络训练，利用所述神经网络对由所述复检数据获取的计算变量进行计算；
[0009]将计算结果进行转化，并与初始化后的复检数据中的所述土质类型进行对比，获得不相符的组编号、复检组的准确率及误差率。
[0010]可选的，初始化MATLAB(也称.mat)运行环境，包括：
[0011]清除全局变量、关闭未关闭的运行窗口、删除不需要的变量和文件。
[0012]可选的，所述划分训练数据和复检数据，包括：
[0013]训练数据保存于breast.mat程序中；进行复检的试验数据保存在.xls文件中；
[0014]读取.xls文件中的实验数据，将所述实验数据写入breast.mat程序；
[0015]加载breast.mat程序，重新划分训练数据和复检数据。
[0016]可选的，所述实验数据包括的描述项：土质类型、含水率、液限和塑限。
[0017]可选的，还包括基于所述描述项进行数据预处理，包括：
[0018]a)土质类型定量化，粉土＝0，粉质黏土＝0.25，淤泥质粉质黏土＝0.5，淤泥质黏土＝0.75，黏土＝1，预处理后的数据作为训练数据的结果项和复检数据的对比项；
[0019]b)根据所述含水率、液限及塑限获取计算变量，包括：含水率w，水含量控制变量a，塑性指数Ip，塑限Wp，其中a(a>＝0)＝1，a(a<0)＝0；
[0020]可选的，包括归一化处理：
[0021]对所述训练数据的计算变量和复检数据的计算变量进行均值平移和方差标准化。
[0022]可选的，所述神经网络，包括：
[0023]网络隐藏层数量为5，每层的神经元数量分别为[9,7,5,3,2]，层与层之间的传递函数为tansig函数，训练次数最大值为5000，网络目标误差为0.00001。
[0024]可选的，利用神经网络对通过复检数据获取的计算变量进行计算，包括：
[0025]以行为单位，计算每组试验的定量化土质类型计算结果；
[0026]在计算过程中设置基于塑性指数Ip的优先赋值代码，当经归一化后的Ip值小于某一阈值时，计算结果赋值为0。
[0027]本申请还提供一种基于MATLAB的土工试验结果批量式复检装置，包括：
[0028]写入模块，用于初始化MATLAB运行环境后，依托于BP神经网络，读取.xls文件中包括土质类型的实验数据并写入breast.mat程序；
[0029]划分模块，用于加载breast.mat程序，划分训练数据和复检数据，归一化处理后分别保存于traind_s和testd_s文件中；
[0030]训练模块，用于构建神经网络，读取并以所述训练数据完成所述神经网络训练，利用所述神经网络对由所述复检数据获取的计算变量进行计算；
[0031]对比模块，用于将计算结果进行转化，并与初始化后的复检数据中的所述土质类型进行对比，获得不相符的组编号、复检组的准确率及误差率。
[0032]本申请的优点和有益效果：
[0033]本申请提供一种基于MATLAB的土工试验结果批量式复检方法，包括：初始化MATLAB运行环境，依托于BP神经网络，读取.xls文件中包括土质类型的实验数据并写入breast.mat程序；加载breast.mat程序，划分训练数据和复检数据，归一化处理后分别保存于traind_s和testd_s文件中；构建神经网络，读取并以所述训练数据完成所述神经网络训练，利用所述神经网络对由所述复检数据获取的计算变量进行计算；将计算结果进行转化，并与初始化后的复检数据中的所述土质类型进行对比，获得不相符的组编号、复检组的准确率及误差率。本申请基于MATLAB进行土工试验结果批量式复检，同时采用神经网络进行数据计算，同时提高了土工试验结果复检的速度和复检结果的准确性。
附图说明
[0034]图1是本申请中基于MATLAB的土工试验结果批量式复检流程示意图。
[0035]图2是本申请中基于MATLAB的土工试验结果批量式复检执行示意图。
[0036]图3是本申请中数据划分、转化及归一化处理后的结果示意图。
[0037]图4是本申请中神经网络训练示意图。
[0038]图5是本申请中基于MATLAB的土工试验结果批量式复检装置示意图。
具体实施方式
[0039]下面结合附图和具体实施例对本申请作进一步说明，以使本领域的技术人员可以更好地理解本申请并能予以实施。
[0040]以下内容均是为了详细说明本申请要保护的技术方案所提供的具体实施过程的
示例，但是本申请还可以采用不同于此的描述的其他方式实施，本领域技术人员可以在本申请构思的指引下，采用不同的技术手段实现本申请，因此本申请不受下面具体实施例的限制。
[0041]本申请提供一种基于MATLAB的土工试验结果批量式复检方法，包括：初始化MATLAB运行环境，依托于BP神经网络，读取.xls文件中包括土质类型的实验数据并写入breast.mat程序；加载breast.mat程序，划分训练数据和复检数据，归一化处理后分别保存于traind_s和testd_s文件中；构建神经网络，读取并以所述训练数据完成所述神经网络训练，利用所述神经网络对由所述复检数据获取的计算变量进行计算；将计算结果进行转化，并与初始化后的复检数据中的所述土质类型进行对比，获得不相符的组编号、复检组的准本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于MATLAB的土工试验结果批量式复检方法，其特征在于，包括：初始化MATLAB运行环境，依托于BP神经网络，读取.xls文件中包括土质类型的实验数据并写入breast.mat程序；加载breast.mat程序，划分训练数据和复检数据，归一化处理后分别保存于traind_s和testd_s文件中；构建神经网络，读取并以所述训练数据完成所述神经网络训练，利用所述神经网络对由所述复检数据获取的计算变量进行计算；将计算结果进行转化，并与初始化后的复检数据中的所述土质类型进行对比，获得不相符的组编号、复检组的准确率及误差率。2.根据权利要求1所述的基于MATLAB的土工试验结果批量式复检方法，其特征在于，初始化MATLAB运行环境，包括：清除全局变量、关闭未关闭的运行窗口、删除不需要的变量和文件。3.根据权利要求1所述的基于MATLAB的土工试验结果批量式复检方法，其特征在于，所述划分训练数据和复检数据，包括：训练数据保存于breast.mat程序中；进行复检的试验数据保存在.xls文件中；读取.xls文件中的实验数据，将所述实验数据写入breast.mat程序；加载breast.mat程序，重新划分训练数据和复检数据。4.根据权利要求1、2或者3所述的基于MATLAB的土工试验结果批量式复检方法，其特征在于，所述实验数据包括的描述项：土质类型、含水率、液限和塑限。5.根据权利要求4所述的基于MATLAB的土工试验结果批量式复检方法，其特征在于，还包括基于所述描述项进行数据预处理，包括：a)土质类型定量化，粉土＝0，粉质黏土＝0.25，淤泥质粉质黏土＝0.5，淤泥质黏土＝0.75，黏土＝1，预处理后的数据作为训练数据的结果项和复检数据的对比项；b)根据所述含水率、液限及塑限获取计算变量，包括：...
【专利技术属性】
技术研发人员：尹崧宇，张旭光，孟令福，
申请(专利权)人：中交第一航务工程勘察设计院有限公司，
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。