[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

说明书

本发明属于混凝土早期碳化预测技术领域，公开了一种混凝土早期碳化预测的方法、预测系统及存储介质，构建混凝土早期碳化初始指标体系以及原始训练集；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；利用随机森林模型计算各个指标重要程度，同时利用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；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。本发明能够有效预测混凝土早期碳化的变化结果，为实现混凝土早期碳化预测提供了一种可行的方法。

技术领域

本发明属于混凝土早期碳化预测技术领域，尤其涉及一种混凝土早期碳化预测的方法、预测系统及存储介质。

背景技术

目前，混凝土的碳化是混凝土所受到的一种化学腐蚀。水泥性质、混凝土强度、及混凝土组成成分与混凝土的碳化都有密切的关系。近年来，提高混凝土结构耐久性一直是一个备受关注的问题，而混凝土早期碳化作为影响混凝土耐久性的因素之一，屡次成为研究人员争论的焦点，混凝土快速碳化的原因、混凝土早期碳化的严重后果、如何减轻混凝土碳化等问题正困扰着诸多研究学者们。

现有技术围绕混凝土碳化分析开展了相关研究。部分学者从微观方面揭示出混凝土早期碳化的实质对混凝土的早期碳化现象有了初步认识，大多数研究都是基于已有的实验数据对早期碳化特点进行深度挖掘，这就表明若想得到更进一步的结论，就需要大量实验数据支撑，这样既会造成大量人工和时间的浪费，还会大大增加研究成本。同时，大多数的研究主要是某一个特定影响因素对早期碳化的影响作用，并没有综合考虑多方面影响因素的作用效果。除了以上两点之外，很少有研究考虑在不同影响因素的共同作用下，哪些因素对早期碳化比较突出。因此，通过前期积累的多个影响因素的数据预测出早期碳化性质将会成为一种更好的研究方式。

通过上述分析，现有技术存在的问题及缺陷为：(1)现有技术在混凝土碳化分析中，需要大量实验数据支撑，这样既会造成大量人工和时间的浪费，还会大大增加成本。

(2)大多数的研究主要是某一个特定影响因素对早期碳化的影响作用，并没有综合考虑多方面影响因素的作用效果。

(3)很少有研究考虑在不同影响因素的共同作用下，影响因素对早期碳化的重要性排序。

解决以上问题及缺陷的难度为：为了研究不同影响因素对混凝土早期碳化的作用，需要收集多方面的是数据资料。为了探究不同影响因素对早期碳化的影响的重要程度，需要引入机器学习模型，对重要因素进行排序。

解决以上问题及缺陷的意义为：可以在节省大量成本及时间的基础上，实现对混凝土早期碳化的深入探究。可以研究在各个影响因素的共同作用下，对混凝土早期碳化的综合影响效果。对影响因素的重要性程度进行分析，可以更有效的对混凝土早期碳化进行控制管理。

发明内容

为了解决现有技术存在的问题，本发明提供了一种混凝土早期碳化预测的方法、预测系统及存储介质。将通过相对较少且相关性较大的影响因素数据来预测这些影响因素给混凝土早期碳化深度带来的影响，并通过预测分析出各个影响因素对混凝土早期碳化深度的影响高低。

本发明是这样实现的，一种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；