[发明专利]一种基于径向基神经网络的自密实混凝土强度预测方法

权利要求书

1.一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，包括以下步骤：

S1、收集样本数据，样本数据包括N组原始输入向量和对应的原始输出向量，其中，N＞50；

S2、对原始输入向量进行初始化处理，得到初始化的输入向量；

S3、基于初始化的输入向量和原始输出向量，构建径向基函数模型；

S4、基于样本数据，对径向基函数模型进行训练，得到训练好的径向基函数模型；

S5、任意给定实际输入向量，由训练好的径向基函数模型对其进行预测，以得到对应的自密实混凝土强度预测值。

2.根据权利要求1所述的一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，所述输入向量为自密实混凝土配合比，所述输出向量为自密实混凝土强度。

3.根据权利要求2所述的一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，所述自密实混凝土配合比的成分包括水泥、填料、水、粗骨料、细骨料和外加剂，其中，水泥和填料共同构成胶凝材料。

4.根据权利要求3所述的一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，所述步骤S2中对原始输入向量进行初始化处理的具体方法为：将自密实混凝土配合比的各成分的质量转化为各成分与胶凝材料的质量比值。

5.根据权利要求1所述的一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，所述步骤S3中径向基函数模型具体为：

其中，y为输出向量，N为输入向量的组数，ω_i为第i组输入向量的权重，φ_i为第i组输入向量到对应输出向量之间的非线性映射，x为输入向量，其维数为N×n，n为输入向量的成分种类数减去1之后的数值，c_i为中心向量，且初始为零向量。

6.根据权利要求5所述的一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，所述输入向量到对应输出向量之间的非线性映射采用高斯函数：

其中，t为自变量，δ_i为给定系数。

7.根据权利要求1所述的一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，所述步骤S4具体包括以下步骤：

S41、将样本数据的原始输入向量代入构建的径向基函数模型，得到对应的样本预测值；

S42、将样本预测值与样本数据中对应的原始输出向量进行比较，以判断径向基函数模型是否满足预测精度条件，若判断为是，则该径向基函数模型即为训练好的径向基函数模型，否则执行步骤S43；

S43、调整径向基函数模型中的权重，之后返回步骤S41。

8.根据权利要求7所述的一种基于径向基神经网络的自密实混凝土强度预测方法，其特征在于，所述步骤S42中预测精度条件具体为：

其中，y_k为样本预测值，y_a为原始输出向量，ε为预设的预测精度。