基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
基于PSO
‑
BP组合模型的混凝土抗压强度预测方法


[0001]本专利技术涉及一种混凝土
，具体涉及一种基于
PSO
‑
BP
组合模型的混凝土抗压强度预测方法
。

技术介绍

[0002]混凝土作为现代建筑建材的重要材料是以水泥为主要凝胶材料，与骨料
、
水，必要时可掺入化学外加剂
(
减水剂
、
膨胀剂等
)
和矿物掺合料
(
粉煤灰
、
矿渣粉等
)
，按适当的比例配合，经过均匀搅拌
、
振实及养护硬化形成的人造石材
。
混凝土的强度是随时间的增加而增强，达到一定时间后抗压强度趋于稳定，因而行业内通常采用混凝土第
28
天的抗压强度来评判混凝土的质量
。
在目前混凝土工程中，混凝土强度的测定方法所需的时间较长，原材料组成及性能的改变对混凝土强度的影响无法得到及时反馈，因此通常采用混凝土抗压强度预测的方式进行推测，这种方法可以在短时间内推测出混凝土第
28
天的抗压强度，为混凝土的质量和控制提供参考
。
[0003]随着对人工神经网络深入的研究，许多网络模型及算法已广泛的应用于混凝土研究中
。
而其中
BP(Back Propagation
，
BP)
神经网络和
RBF(Radial Basis Function,RBF)
神经网络是应用于混凝土领域中最主要常用的算法
。
神经网络得益于其具有较高的自组织性
、
自适应性
、
自学能力
、
联想能力以及推理能力，每个类型的神经网络都具有其独特的数据特征提取
、
处理以及进行预测的能力，但是神经网络也有其自身的弊端：
BP
算法通过误差的反向学习来修正连接权值，容易导致模型陷入局部最优解，稳定性较差，以及模型收敛速度慢和局部极小等情况；
RBF
精度较
BP
高，但是在训练样本增多时，
RBF
网络的隐层神经元数远远高于前者，使得
RBF
网络的复杂度大增加，结构过于庞大，从而运算量也有所增加
。

技术实现思路

[0004]针对上述现有技术的不足，本专利技术所要解决的技术问题是：如何提供一种推算过程所需时间少，预测精度
、
稳定性以及适应性高的混凝土抗压强度预测方法
。
[0005]为了解决上述技术问题，本专利技术采用了的技术方案：
[0006]一种基于
PSO
‑
BP
组合模型的混凝土抗压强度预测方法，包括以下步骤：基于
PSO
‑
BP
组合模型的混凝土抗压强度预测方法，其特征在于：包括以下步骤：
[0007](1)
获取多份混凝土原材料的水胶比
、
砂率
、
浆骨比的参数，以及胶凝材料强度
28d
胶砂抗压强度参数和混凝土
28d
实测抗压强度参数作为样本数据；
[0008](2)
对样本数据进行归一化处理；
[0009](3)
构建基于
PSO
‑
BP
组合模型的混凝土抗压强度预测模型，混凝土抗压强度预测模型嵌入有
BP、RBF、RBF
‑
BP
和
MEA
‑
BP
神经网络结构；
[0010](4)
将归一化处理后的样本数据输入至基于
PSO
‑
BP
组合模型的混凝土抗压强度预测模型中进行训练；
[0011](5)
将待测混凝土原材料的水胶比
、
砂率
、
浆骨比的参数，以及胶凝材料强度
28d
胶
砂抗压强度参数输入至基于
PSO
‑
BP
组合模型的混凝土抗压强度预测模型中，得到混凝土
28d
抗压强度预测值
。
[0012]作为优化，所述基于
PSO
‑
BP
组合模型的混凝土抗压强度预测模型中的
PSO
算法参数设置包括个体学习因子
c1
＝
(0.5
～
2)
，社会学习因子
c2
＝
(0.5
～
2)
，惯性权重
w
＝
(0.1
～
1)
，进化次数
maxgen
＝
(10
～
1000)
，种群规模
sizepop
＝
(10
～
100)
，粒子速度
Vmax
＝
(0
～
5)
，
Vmin
＝
(﹣5
，
0)
，粒子位置
popmax
＝
(0
～
10)
，
popmin
＝
(﹣10
～
0)
，维数
dim
＝
(1
～
4)。
[0013]作为优化，将所述样本数据分为训练样本数据和测试样本数据，训练样本数据和测试样本数据的比例为
(60
～
90)∶(10
～
40)。
[0014]本专利技术还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于
PSO
‑
BP
组合模型的混凝土抗压强度预测方法
。
[0015]相比现有技术，本专利技术具有以下优点：
[0016](1)
通过本专利技术可以快速预测出设计的配合比下对应的混凝土
28d
抗压强度，以及能够及时预测得到原材料变化对混凝土强度变化的影响，进而能够及时对混凝土配合比的调整；
[0017](2)
本专利技术嵌入了多个神经网络预测模型，因此本专利技术具有较高的预测精度
、
稳定性以及适应性，能应对复杂的数据分析处理及预测；
[0018](3)
本专利技术不仅结合了多个预测模型的有效预测信息，同时避免了各个模型在调用过程中反复调试以及转换，具有较高的可操作性
。
附图说明
[0019]图1为本专利技术的流程图；
[0020]图2为本专利技术中最优个体适应度的迭代过程图；
...

【技术保护点】

【技术特征摘要】
1.
一种基于
PSO
‑
BP
组合模型的混凝土抗压强度预测方法，其特征在于：包括以下步骤：（1）获取多份混凝土原材料的水胶比
、
砂率
、
浆骨比的参数，以及胶凝材料强度
28d
胶砂抗压强度参数和混凝土
28d
实测抗压强度参数作为样本数据；（2）对样本数据进行归一化处理；（3）构建基于
PSO
‑
BP
组合模型的混凝土抗压强度预测模型，混凝土抗压强度预测模型嵌入有
BP、RBF、RBF
‑
BP
和
MEA
‑
BP
神经网络结构；（4）将归一化处理后的样本数据输入至基于
PSO
‑
BP
组合模型的混凝土抗压强度预测模型中进行训练；（5）将待测混凝土原材料的水胶比
、
砂率
、
浆骨比的参数，以及胶凝材料强度
28d
胶砂抗压强度参数输入至基于
PSO
‑
BP
组合模型的混凝土抗压强度预测模型中，得到混凝土
28d
抗压强度预测值
。2.
根据权利要求1所述的基于
PSO
‑
BP
组合模型的混凝土抗压强度预测方法，其特征在于：所述基于
PSO
‑
BP
组合模型的混凝土抗压强度预测模型中的
PSO
算法参数设置包括个...

【专利技术属性】
技术研发人员：罗晖，石波，冯永成，段煜，蒋顺利，叶思宏，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：