【技术实现步骤摘要】
本申请涉及机器学习，特别涉及一种基于机器学习的混凝土泵压损失预测方法和系统。
技术介绍
1、混凝土泵送技术作为现代施工工艺中的关键环节，广泛应用于各类大型土木工程项目，尤其在高层建筑、长距离输送和复杂管道系统中，其泵送性能直接影响施工效率与结构质量。在实际泵送过程中，混凝土在输送管道中流动时会因摩擦阻力、局部构件损失以及材料本身的流变性能影响等产生较大的泵压损失。若泵压估算不准确，极易造成泵送中断、管道堵塞或能耗升高等问题。
2、目前，工程实践中对泵压损失的预测多数依赖于理论模型或经验公式。国家《标准混凝土泵送技术规程》给出的morinaga经验公式并不适用现代大流动性混凝土，传统的坍落度指标已经不能满足高流态自密实混凝土的表征需求。部分研究尝试基于混凝土材料的流变参数构建数值模型预测泵送压力，虽然这类模型在理论上具有较高精度，但这些数值模型的精度都依赖于对混凝土流变性能和润滑层特性的准确表征，并且不同混凝土流变仪测试的数据差异很大，难以作为通用型的泵压预测工具。
3、近年来，随着数据驱动建模技术的发展，机器学习...
【技术保护点】
1.一种基于机器学习的混凝土泵压损失预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述混凝土原材料特性参数，包括：
3.根据权利要求1所述的方法，其特征在于，所述泵送结构参数，包括：不同直径管道长度、不同半径弯管数量。
4.根据权利要求1所述的方法，其特征在于，所述基于密度的聚类算法具体为：DBSCAN算法、OPTICS算法、HDBSCAN算法或GDBSCAN算法的任一种。
5.根据权利要求1所述的方法，其特征在于，所述机器学习算法，通过如下步骤确定：
6.根据权利要求5所述的方法，...
【技术特征摘要】
1.一种基于机器学习的混凝土泵压损失预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述混凝土原材料特性参数，包括：
3.根据权利要求1所述的方法，其特征在于，所述泵送结构参数，包括：不同直径管道长度、不同半径弯管数量。
4.根据权利要求1所述的方法，其特征在于，所述基于密度的聚类算法具体为：dbscan算法、optics算法、hdbscan算法或gdbscan算法的任一种。
5.根据权利要求1所述的方法，其特征在于，所述机器学习算法，通过如下步骤确定：
6.根据权利要求5所述的方法，其特征在于，最终选用的机器学习算法为...
【专利技术属性】
技术研发人员：申文凯，姜春祥，金祖权，元强，史才军，
申请(专利权)人：青岛理工大学，
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。