[发明专利]一种混凝土抗压强度预测方法及系统

说明书

本公开公开的一种混凝土抗压强度预测方法及系统，包括：获取混凝土的组成成分信息；将各组成成分信息输入训练好的多层网络模型中，输出混凝土抗压强度预测结果；其中，多层网络模型的层数至少包括两层，第一层基于模糊神经元构成，第一层后的连续层均使用多项式神经元构成，对第一层中的神经元进行选择，将筛选后的神经元作为模糊模块，模糊模块的输出输入第一层后的连续层中，第二层后连续层的输入还包括上一层的输出。实现了对混凝土抗压强度的快速准确预测。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种混凝土抗压强度预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

随着对复杂系统建模的要求越来越高，同时为了应对复杂非线性，高阶动力学，时变行为和不准确测量等问题，需要审慎的进行建模。针对这些问题，传统的机器学习方法被用来建立基于逻辑的架构来支持推理机制，但它们用在动态和不可预测领域工作的真实系统时存在一些局限性。在科学和工程学中广泛使用的计算智能可以有效解决这些问题。有大量研究表明，在计算智能中应用多种技术的协作可以有效地支持模型的设计，并且其性能(如准确性或可解释性)优于使用单个常规技术设计的模型。因此使用模糊逻辑，神经网络和进化算法开发的混合体系结构近年来引起了更多关注。

模糊多项式神经网络是模糊逻辑和多项式神经网络之间协同作用的结果，网络中的每个神经元都是一个微型的模糊规则系统，这种结构虽然增加了模型对于数据空间中不确定信息的捕捉能力，但是却同时加剧了模型的复杂度，尤其是网络中神经元的数目较多的情况下。也有研究人员将多项式神经网络和模糊小波神经网络相结合，提出了模糊小波多项式神经网络的概念，模型的每一层都由模糊小波神经元组成。然而这种网络结构却面临着和模糊多项式神经网络相同的问题，同时还面临时间复杂度过高和过拟合的风险。

混凝土是土木工程中最重要的材料，其抗压强度是龄期和成分的高度非线性函数。但发明人发现，现有的采用模糊多项式神经网络或模糊小波多项式神经网络对混凝土的抗压强度进行预测时，存在计算效率低且预测精度无法保证的问题。

发明内容

本公开为了解决上述问题，提出了一种混凝土抗压强度预测方法及系统，实现了对混凝土抗压强度的快速准确预测。

为实现上述目的，本公开采用如下技术方案：

第一方面，提出了一种混凝土抗压强度预测方法，包括：

获取混凝土的组成成分信息；

将各组成成分信息输入训练好的多层网络模型中，输出混凝土抗压强度预测结果；

其中，多层网络模型的层数至少包括两层，第一层基于模糊神经元构成，第一层后的连续层均使用多项式神经元构成，对第一层中的神经元进行选择，将筛选后的神经元作为模糊模块，模糊模块的输出输入第一层后的连续层中，第二层后连续层的输入还包括上一层的输出。

第二方面，提出了一种混凝土抗压强度预测系统，包括：

数据获取模块，用于获取混凝土的组成成分信息；

抗压强度预测模块，用于将各组成成分信息输入训练好的多层网络模型中，输出混凝土抗压强度预测结果；

其中，多层网络模型的层数至少包括两层，第一层基于模糊神经元构成，第一层后的连续层均使用多项式神经元构成，对第一层中的神经元进行选择，将筛选后的神经元作为模糊模块，模糊模块的输出输入第一层后的连续层中，第二层后连续层的输入还包括上一层的输出。

第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成一种混凝土抗压强度预测方法所述的步骤。