【技术实现步骤摘要】
本专利技术涉及再生混凝土抗压强度预测，具体为基于支持向量回归的再生粗骨料混凝土抗压强度预测方法。
技术介绍
1、再生粗骨料是一种以废弃混凝土块为原料，经加工、破碎、分级、按一定比例混合制成再生骨料，用于替代混凝土中部分天然骨料的绿色材料，是当今解决建筑垃圾污染问题的措施之一。其抗压强度是再生骨料混凝土结构设计和性能评价的重要指标，对再生混凝土抗压强度能进行预测具有重要的现实价值，支持向量回归通过利用内积核函数向高维空间进行非线性映射，具有较好的泛化性能和鲁棒性，从而在预测问题上得到广泛应用。因此，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价值。
2、传统的抗压强度检测方法是先取样，再制作试件，最后进行28天标准养护后的极限抗压试验，这存在试验周期较长、工作量比较大、实验误差等多个弊端，同时严重滞后于实际生产过程，况且在混凝土的生产过程中还存在时变时滞、多变量强耦合、高度非线性和不确定性等问题，都会对混凝土的质量造成影响，支持向量回归模型的性能对参数较为敏感，极易受到其核函数类型和相对应参数的影响。
3、基于对上述资料的检索，特提出基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，对再生粗骨料混凝土抗压强度进行精准且快速的智能预测。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，解决了
3、(二)技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现：基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，具体包括以下步骤：
5、步骤一、样本采集：收集历史再生粗骨料混凝土原材料参数数据，以及再生粗骨料混凝土28d实测抗压强度参数数据，作为样本数据，对样本数据进行归一化处理，并将样本数据按照设定比例划分为训练数据集和测试数据集；
6、步骤二、模型搭建：使用fuch混沌映射初始化灰狼算法初始参数，计算适应度值，保存适应度最佳的前三匹狼，引入非线性收敛因子策略改进灰狼算法的收敛因子，根据灰狼算法更新机制更新每匹狼的位置，采用改进的灰狼算法对支持向量回归预测模型中的核函数和惩罚因子进行优化，将改进的灰狼算法与支持向量回归预测模型相结合，构建基于fgwo-svr的再生粗骨料混凝土抗压强度预测模型；
7、步骤三、模型评估：将步骤一中的训练数据集输入步骤二中的基于fgwo-svr的再生粗骨料混凝土抗压强度预测模型中，进行模型训练，获取最佳参数组合，根据最佳参数组合对基于fgwo-svr的再生粗骨料混凝土抗压强度预测模型进行优化，采用测试数据集验证优化后的基于fgwo-svr的再生粗骨料混凝土抗压强度预测模型对其抗压强度预测的结果。
8、本专利技术进一步设置为：所述步骤一中的历史再生粗骨料混凝土原材料参数数据包括：原材料的水泥、粉煤灰、细骨料、粗骨料、再生粗骨料、减水剂和水胶比的参数。
9、本专利技术进一步设置为：所述步骤二中fuch混沌映射初始化灰狼初始种群的公式包括：
10、
11、其中，x(t)≠0,x∈z+,t＝1,2,...,t。
12、本专利技术进一步设置为：所述步骤二中非线性收敛因子策略的公式包括：
13、
14、其中，t表示当前迭代次数，t表示最大迭代次数。
15、本专利技术进一步设置为：所述步骤二中基于fgwo-svr模型的再生粗骨料混凝土抗压强度预测模型中的灰狼算法参数设置包括：种群数量sizepop＝(30～50)，最大迭代次数max_iteration＝(100～500)，收敛因子a从2非线性递减到0，r1和r2为0～1之间的随机数。
16、本专利技术进一步设置为：所述步骤二中基于fgwo-svr模型的再生粗骨料混凝土抗压强度预测模型中的支持向量回归预测模型参数设置包括：惩罚因子c＝(0.1～100)，所选择的核函数为rbf核函数，核函数参数gamma＝(0.1～100)。
17、本专利技术进一步设置为：所述步骤三中采用测试数据集验证优化后的基于fgwo-svr的再生粗骨料混凝土抗压强度预测模型对其抗压强度预测的结果的方式包括：
18、设计模型性能评估参数拟合优度系数、均方根误差和平均绝对误差的计算公式，并采用未经优化的支持向量回归模型的预测结果进行对比分析，验证优化后的基于fgwo-svr的再生粗骨料混凝土抗压强度预测模型的预测效果。
19、本专利技术进一步设置为：所述模型性能参数拟合优度的计算公式为；
20、
21、其中qi表示第i组数据再生粗骨料混凝土28d抗压强度的实际值，是模型的预测值，则是实际值的平均值。
22、本专利技术进一步设置为：所述均方根误差的计算公式为：
23、
24、其中t是样品的数量，qi表示第i组数据再生粗骨料混凝土28d抗压强度的实际值，是模型的预测值。
25、本专利技术进一步设置为：所述平均绝对误差的计算公式为：
26、
27、其中t是样品的数量，qi表示第i组数据再生粗骨料混凝土28d抗压强度的实际值，是模型的预测值。
28、(三)有益效果
29、本专利技术提供了基于支持向量回归的再生粗骨料混凝土抗压强度预测方法。具备以下有益效果：
30、(1)本专利技术通过结合智能预测方法，以再生粗骨料混凝土配合比的原材料信息进行其抗压强度的预测，能够及时、快速预测到原材料变化对强度变化的影响，进而使原材料的使用更为准确、更节约，从而减少对资源的浪费以及对环境的破坏，进一步提高经济与社会效益，实现可持续发展。
31、(2)本专利技术通过加入fuch混沌映射和非线性收敛因子策略来改进灰狼算法，解决灰狼算法容易陷入局部最优和种群多样性不足的问题，使用改进过的灰狼算法优化带有rbf核函数的svr预测模型，增强模型的预测精准度。
32、(3)本专利技术还通过对比分析的方式验证了基于fgwo-svr的再生粗骨料混凝土抗压强度预测模型的有效性和正确性。
本文档来自技高网...【技术保护点】
1.基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：具体包括以下步骤：
2.根据权利要求1所述的基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：所述步骤一中的历史再生粗骨料混凝土原材料参数数据包括：原材料的水泥、粉煤灰、细骨料、粗骨料、再生粗骨料、减水剂和水胶比的参数。
3.根据权利要求1所述的基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：所述步骤二中Fuch混沌映射初始化灰狼初始种群的公式包括：
4.根据权利要求1所述的基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：所述步骤二中非线性收敛因子策略的公式包括：
5.根据权利要求1所述的基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：所述步骤二中基于FGWO-SVR模型的再生粗骨料混凝土抗压强度预测模型中的灰狼算法参数设置包括：种群数量sizepop＝(30～50)，最大迭代次数Max_iteration＝(100～500)，收敛因子a从2非线性递减到0，r1和r2为0～1之间的随机数。
6
7.根据权利要求1所述的基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：所述步骤三中采用测试数据集验证优化后的基于FGWO-SVR的再生粗骨料混凝土抗压强度预测模型对其抗压强度预测的结果的方式包括：
8.根据权利要求7所述的基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：所述模型性能参数拟合优度的计算公式为；
9.根据权利要求7所述的基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：所述均方根误差的计算公式为：
10.根据权利要求7所述的基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：所述平均绝对误差的计算公式为：
...【技术特征摘要】
1.基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：具体包括以下步骤：
2.根据权利要求1所述的基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：所述步骤一中的历史再生粗骨料混凝土原材料参数数据包括：原材料的水泥、粉煤灰、细骨料、粗骨料、再生粗骨料、减水剂和水胶比的参数。
3.根据权利要求1所述的基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：所述步骤二中fuch混沌映射初始化灰狼初始种群的公式包括：
4.根据权利要求1所述的基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：所述步骤二中非线性收敛因子策略的公式包括：
5.根据权利要求1所述的基于支持向量回归的再生粗骨料混凝土抗压强度预测方法，其特征在于：所述步骤二中基于fgwo-svr模型的再生粗骨料混凝土抗压强度预测模型中的灰狼算法参数设置包括：种群数量sizepop＝(30～50)，最大迭代次数max_iteration＝(100～500)，收敛因子a从2非线性递减到0，r1和r2为0～...
【专利技术属性】
技术研发人员：杨世品，陈宇，李丽娟，焦文华，
申请(专利权)人：南京工业大学，
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。