[发明专利]一种混凝土早期碳化预测的方法、预测系统及存储介质

权利要求书

1.一种混凝土早期碳化预测的方法，其特征在于，所述混凝土早期碳化预测的方法包括：

步骤一：构建混凝土早期碳化初始指标体系以及原始训练集；

步骤二：对所构建的训练集进行样本分集，并确立随机森林模型参数，同时进行各个指标的交叉验证；

步骤三：利用随机森林模型计算各个指标重要程度，同时利Pearson函数模型计算各个指标的相关性系数，并进行随机森林模型计算结果与Pearson函数模型计算结果对比；

步骤四：利用拟合优度以及均方根误差两个参数判断随机森林模型、BP人工神经网络和小波神经网络三种模型的误差大小，并进行比较分析。

2.如权利要求1所述的混凝土早期碳化预测的方法，其特征在于，步骤一中所述的混凝土初始指标体系包括早期碳化影响因素和评价指标两部分，影响因素包括水泥强度、水泥用量、粉煤灰用量、细集料用量、粗集料用量、混凝土强度、硅灰用量、水胶比以及平均粒径共9个因素；早期碳化评价指标为碳化深度。

3.如权利要求1所述的混凝土早期碳化预测的方法，其特征在于，步骤一中所述的原始训练集为：将指标体系中的不同影响因素作为随机森林的变量，收集统计相关数据，将对应的数据作为原始训练集。

4.如权利要求1所述的混凝土早期碳化预测的方法，其特征在于，步骤二中所述的对所创建的训练集进行合理的样本分集，并确立适当的随机森林模型参数，同时进行各个指标的交叉验证，包括以下步骤：

第一步：先将选取的监测样本随机分为5等份，任选其中4份作为样本训练集，这个样本训练集的作用是确定随机森林参数和构建随机森林模型，另外1份作为样本测试集用于模型预测好坏性能的评估；

第二步：随机森林模型的两个重要参数：mtry为影响因素的数量,ntree为决策树的棵树；设数据集中的变量个数为P，mtry＝P或mtry＝P/3，ntree＝500，进行回归模型的建立。

5.如权利要求1所述的混凝土早期碳化预测的方法，其特征在于，步骤三中所述的利用随机森林模型计算各个指标重要程度，同时利Pearson函数模型计算各个指标的相关性系数，包括以下步骤：

步骤1：随机森林中每一棵树的袋外数据误差，通过每一棵树相应的OOB(计算得到的，记为errOOB1,将噪声干扰随机加入到袋外数据OOB的所有样本当中，重复计算其袋外数据误差，记为errOOB2；对不同影响因素进行重要性评分，并将这些重要性评分进行可视化绘图，某个变量特征的重要性计算表达式如下式所示：

步骤2：利用pearson函数模型分析不同影响因素与早期碳化深度的相关度，Pearson样本相关系数r为：

其中分别表示X、Y的样本均值；

步骤3：将随机森林模型重要性的计算结果与Pearson函数模型相关性的计算结果进行对比分析。

6.如权利要求1所述的混凝土早期碳化预测的方法，其特征在于，步骤四中所述预测结果评价选用均方根误差、拟合优度两个参数作为模型的预测精度的评价依据；均方误差和拟合优度表达式为：

其中，y^obs是实际观测值，y^pred是预测值；R²是统计模型解释的数据集中的可变性的比例，衡量回归直线对观测值的拟合度，R²的范围在0到1之间，越靠近1表示观测数据越精确；RMSE值是估计量预测的值与实际观测值之间的个体差异的总和，RMSE的值等于或大于0，越接近0表示观测数据在统计上越完美。