[发明专利]一种内部影响因素下基于宽度学习的水泥强度估测方法

权利要求书

1.一种内部影响因素下基于宽度学习的水泥强度估测方法，其特征在于，包括以下步骤：

建立水泥强度估测指标系统，所述水泥强度估测指标系统用于描述水泥强度及水泥内部影响因素信息，包括影响水泥强度的内部影响因素、第3天水泥抗压强度以及第28天水泥抗压强度；

获取水泥强度估测指标系统的数据，收集水泥企业历年来每批水泥强度的检测记录，获取不同内部影响因素下的水泥样本信息及其第3天和第28天的抗压强度；

构建估测水泥强度的宽度学习模型，模型用于对水泥强度估测指标系统中的信息进行分析并估测对应的水泥强度，宽度学习模型采用单层神经网络结构，包括模型输入层、中间特征层以及模型输出层；宽度学习模型输入为所述水泥强度估测指标系统中的内部影响因素；所述中间特征层由模型输入计算所得，表示从信息中分析获得的组合特征，包含线性映射得到的映射特征和由映射特征通过非线性函数获得的增强特征；宽度学习模型输出是水泥强度估测指标系统对应水泥的第3天或第28天水泥抗压强度；

根据实际所需水泥强度估测模型，训练构建的宽度学习模型，并将得到的最优模型应用于实际的水泥抗压强度估测，最优模型即所需水泥强度估测模型。

2.根据权利要求1所述的一种内部影响因素下基于宽度学习的水泥强度估测方法，其特征在于，所述水泥强度估测指标系统中的内部影响因素有19种，具体为：

烧矢量LOI、二氧化硅SiO2、氧化铁Fe2O3、氧化铝Al2O3、氧化钙CaO、氧化镁MgO、三氧化硫SO3、游离氧化钙f-CaO、液相量LPA、石灰饱和系数KH、去游离氧化钙的饱和系数KH-、硅率SM、铝率IM、硅酸三钙C3S、硅酸二钙C2S、铝酸三钙C3A、铁铝酸四钙C2AF、粉煤灰FA以及比表面积SSA。

3.根据权利要求1所述的一种内部影响因素下基于宽度学习的水泥强度估测方法，其特征在于，所述构建估测水泥强度的宽度学习模型具体包括以下步骤：

初始化模型参数，模型参数包括映射特征组个数、组内特征个数以及增强节点个数；

利用模型输入X即所述多个内部影响因素，计算特征映射节点该过程是一个线性映射，其中第i组映射特征Z_i的计算如公式(1)，连接权重W_ei和β_ei是随机产生的，为线性映射，每一组特征包含k个映射特征；

为了增加模型中特征的非线性，由映射节点Zⁿ计算增强节点该过程是一个非线性映射，其中增强特征H_j的计算如公式(2)，连接权重W_hj和β_hj是随机产生的，ζ(Z,W_hj,β_hj)为一个非线性激活函数；

H_j≡ζ(ZⁿW_hj+β_hj),j＝1,2,…,m(2)

所述映射节点表示水泥数据的线性特征，所述增强节点表示水泥数据的非线性特征；

将线性特征和非线性特征合并成特征层A＝[Z|H]，连接到模型输出层Y；

由于模型输出层Y的信息已知，即对应水泥抗压强度，只需计算特征层和输出层的连接权重W，计算公式如下：

W＝A^-1Y (3)

计算时，使用岭回归来求解权值矩阵，即通过公式(3)的优化问题求解W：

其中，σ₁＝σ₂＝v＝u＝2，解得：

W＝（λI+AA^T)^-1A^TY (5)。