混凝土强度预测的两种非线性模型比较研究

资料大小：190KB
资料类型：.PDF
资料等级：
发布时间：2021-09-19

资料介绍

混凝土强度预测的两种非线性模型比较研究
朱学兵
(宁波工程学院建筑工程学院，浙江宁波315000)
摘要：混凝土的强度的预测是一个复杂的问题，受多种因素的影响。采用两种先进的非线性算法支持向量机与小波支持向量机，建立
了混凝土强度预测的两种非线性预测方法。研究结果表明：两种方法的预测结果与实测结果吻合较好，小波支持向量机的预测精度较支
持向量机精度高，在混凝土的强度预测中具有较好的适应性。
关键词：混凝土；非线性方法；强度预测
中图分类号： TU528．Ol 文献标志码： A 文章编号： 1002—3550(2011)12—0028—03
Strength prediction of high strength concrete using two nonlinear methods
ZHUXue—bing
(NingboUniversityofTechnology~stimteofArchitecturalEngineering，Ningbo 315000，China)
Abstract： The concrete strength under influence ofseveral factors is complicated．Based on the theories ofsupport vector machines and wavelet
support vector machines，two linear models for predicting concrete strength were proposed．Then tw o approaches arc applied to predict the concrete
strength．Furthermore．the predicted results are compared wi也actual measured．Results shows tw o methods were consist with measured ones．
It is found that wavelet support vector machines can predict the strength of high strength concrete more accurately than the approach of support
vector machines does．Proposed methods ale quantitative and convenient analyzing approach、Ⅳitll hi accumcy．Th ey are feasible in predicting the
strength ofhigh strength concrete．
Key WOrds： concre~；nonlinearmethods；strength forecast
0 引言
目前确定混凝土抗压强度的方法一般是在基准混凝土配
合比的基础上，保持水胶比或砂率不变，然后不断调整胶料和
骨料【1]。这种方法不仅耗费大量原材料，而且也浪费大量的人力
和时间。随着混凝土系统的复杂性和动态性不断加强，研究规模
不断加大，影响因素逐渐增多，如粉煤灰混凝土、高性能混凝土
等新型混凝土，由于其影响因素更为复杂，甚至存在诸多因素
的交互作用，线性函数已不再适用，往往表现为特定的非线性
规律，尤其在探索混凝土强度影响因素与强度值之间的因果规
律时，建立解析数学模型是一件极其困难甚至难以实现的事。
近年来，很多学者在这方面做了研究，神经网络、遗传算法、粒
子群算法等人工智能算法被引入到了位移反分析领域㈣。但是
这些方法或多或少存在不足：神经网络当学习样本数量有限时，
精度难以保证，学习样本过多时，又陷入维数灾难，泛化性能不
高。遗传算法和粒子群算法需要反复进行大量的正分析。本文
针对上述缺陷，利用小波支持向量机(Wavelet support vector
Machines，wsvM)和支持向量机来进行混凝土强度预测。
支持向量机是基于统计学习理论的机器学习工具，遵循结
构风险最小化原理，弥补了神经网络的不足，在小样本情况下
具有良好的外推能力。而小波支持向量机用小波函数替代传统
的支持向量机核函数，结合小波变换良好的时频局域化性质，提
高了支持向量机的预测精度和泛化能力。本文详细介绍了小
收稿日期：2011-o6_J03
· 28·
波支持向量机的原理和特点，并将其应用到混凝土强度预测中
并进行了实例验证。
1 小波支持向量机
根据泛函数有关理论，只要一种函数满足Mercer条件，就能
对应某一种变换空间中的内积，也就能作为支持向量机的核函数。
李元诚等从理论上证明了小波函数满足Mercer条件，可以作
为支持向量基的核函数，且小波函数近似正交，预测精度更高。
小波支持向量机是基于小波理论所构造的一种新的支持
向量机模型，它利用具有良好的局域化性质及时域和频域分辨
能力的小波函数代替传统的核函数，通过小波的伸缩和平移运
算对函数或信号进行多尺度细化，提高了预