[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

说明书

本发明涉及一种基于径向基神经网络的自密实混凝土强度预测方法，包括：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，代入训练好的径向基函数模型，以得到对应的自密实混凝土强度预测值。与现有技术相比，本发明利用径向基函数将输入向量非线性映射至输出向量，结合高斯函数作为非线性核函数，能够快速收敛获得全局最优解，提高预测效率和预测准确性。

技术领域

本发明涉及混凝土强度预测方法技术领域，尤其是涉及一种基于径向基神经网络的自幂数强度预测方法。

背景技术

自密实混凝土在流动性、变形性和抗离析性方面具有良好性能，能够自行流动并填充框架和结构空隙。自密实混凝土的开发和应用减少了人工成本，并提高了混凝土结构的强度和耐久性。由于自密实混凝土的强度设计涉及不同材料(如水泥，填料，骨料，外加剂等)及其用量，各材料组成之间存在不同程度的交互作用。尤其自密实混凝土胶凝材料用量大，减水剂掺量大，不同配合比对应的强度波动情况规律复杂，若采用传统方法，需要进行巨量人工实验才能得到最佳的配合比。

与传统的以水灰比为单因子的线性函数表达不同，需要通过大量实验来优化自密实混凝土配合比，才能保证自密实混凝土获得最佳性能。然而人工试验测试工作量大，周期长，因此有必要对自密实混凝土强度进行预测。

现有技术大多采用神经网络的方法对混凝土强度进行预测，比如：中国专利CN104034865A公开了一种混凝土强度的预测方法，其利用非线性支持向量机回归法和神经网络法，结合样本数据训练，以获得混凝土强度预测模型，中国专利CN106568647A提出了一种基于神经网络的混凝土强度预测方法，该方法通过引入人工神经网络系统，对标准试件的抗压试验法和回弹法的混凝土强度值进行分析来预测取芯法的混凝土强度值，中国专利CN107133446A公开了一种预测超早强混凝土抗压强度的方法，该方法通过非线性映射将样本空间映射到一个高维特征空间中，同时支持向量机通过定义核函数将高维空间中的内积运算转化为原空间中的核函数运算，最终得以对超早强混凝土的抗压强度进行预测。

上述的几种方法均是使用支持向量机或反向传播学习算法(BP神经网络)，其训练样本数量有限，无法处理大型数据库，容易出现收敛速度慢以及预测过程中陷入局部最优解的问题，导致预测效率低、预测结果不准确。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于径向基神经网络的自密实混凝土强度预测方法，利用径向基神经网络寻找全局最优解，加快收敛速度，从而有效提高预测效率和预测准确性。

本发明的目的可以通过以下技术方案来实现：一种基于径向基神经网络的自密实混凝土强度预测方法，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。

进一步地，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。

进一步地，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。