CN104034865A - 一种混凝土强度的预测方法 - Google Patents

Abstract

本发明一种混凝土强度的预测方法，先在现场按照标准混凝土强度检测方法对不同混凝土配比进行强度试验，获得一组混凝土配比成分X及对应的混凝土强度Y的样本数据，然后以混凝土配比成分X为输入数据，对应的混凝土强度Y为输出数据，利用非线性支持向量机回归法、优化极限学习机法、神经网络法、Kriging模型法等现有的建模方法对上述数据进行训练，建立X→Y的映射关系，获得混凝土强度预测模型f(X)，对于任意给定的新的不同混凝土配比成分X_输入，代入上述混凝土强度预测模型f(X)中，即可得到对应的混凝土强度预测值Y_输出＝f(x_输入)，解决了混凝土强度检测需要繁琐耗时耗材耗力人工试验检测的问题，在混凝土配比设计阶段，即可给设计人员提供混凝土强度预测参考，大大降低成本。

Description

一种混凝土强度的预测方法

技术领域

本发明涉及一种混凝土强度的预测方法。

背景技术

混凝土的强度是混凝土质量控制的核心内容，是结构设计、施工的重要依据。通常，混凝土主要由水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料等，按照一定的配比，均匀搅拌，密实成型，最后经过一定龄期的养护硬化而成。由于混凝土上述影响因素太多，且因素之间关系复杂，难以用数值方法对其物理化学过程进行定性定量模拟，并进一步确定其理学参数、本构关系。因此，尚无法从理论上对混凝土的强度进行预测。目前，混凝土强度的检测一般通过实验获得，即按照标准的制作方法制成边长为150mm的正立方体试件，在标准养护条件(温度20±3℃，相对湿度90％以上)下，养护至少28天龄期，并按照标准测定方法测定其抗压强度值。

从上述可以看出，通过具体的实验来测定混凝土强度，不仅耗费了大量砂、石、粉煤灰和水泥等材料，另一方面也浪费了大量的人力和时间。

因此，有必要提出混凝土强度预测方法，这对于混凝土快速配合比设计和质量控制具有重要意义。

发明内容

本发明的目的在提供一种混凝土强度的预测方法，可以实现混凝土在生产过程中，快速预测混凝土的强度，用于判断该混凝土是否达到工程设计要求。

本发明一种混凝土强度的预测方法，先在现场按照标准混凝土强度检测方法对不同混凝土配比成分进行强度试验，获得一组混凝土配比成分X及对应的混凝土强度Y的实验样本数据，然后以混凝土配比成分X为输入数据，对应的混凝土强度Y为输出数据，利用非线性支持向量机回归法、优化极限学习机法、神经网络法、Kriging模型法等现有建模方法对上述数据进行训练，建立X→Y的映射关系，从而获得混凝土强度预测模型f(X)，对于任意给定的新的不同混凝土配比成分X_输入，代入上述混凝土强度预测模型f(X)中，得到对应的混凝土强度预测值Y_输出＝f(x_输入)。

与现有通过标准混凝土强度检测方法检测新混凝土配比对应的混凝土强度方法相比，本发明在现有混凝土试验数据的基础上，利用现有的建模方法，可快速获得新混凝土配比成分对应的混凝土强度数据，从而解决了混凝土强度检测需要繁琐耗时耗材耗力人工试验检测的问题，在混凝土配比设计阶段，即可给设计人员提供混凝土强度预测参考，大大降低成本。

附图说明

图1为本发明实施例中混凝土不同配比下对应的强度试验数据。

以下结合附图和具体实施例对本发明作进一步详述。

具体实施方式

本发明一种混凝土强度的预测方法，包括如下步骤：

(1)由于构成混凝土的原材料一水泥、矿物掺合料、砂、石等都具有很强的地域性，不同的地区，构成混凝土的原材料在组成、性质上都存在着不同程度的差异。水泥、矿物掺合料、化学外加剂的相容性也不尽相同。因此，首先按照不同的混凝土组成材料进行配比设计，然后现场按照标准混凝土强度检测方法对不同混凝土配比进行强度试验，获得如图1所示的13组混凝土试验数据。该图1的数据针对的是某一地域的混凝土配比试验数据。这里只提供13组数据，一方面是篇幅限制，另一方面达到帮助读者理解本发明的原理即可。因此，在实际应用中，试验组数远多于13组，因为组数越多，预测越准确。另外，实际上不同的地区，构成混凝土的原材料在组成、性质上都存在着不同程度的差异。因此，该实施例的混凝土配比试验数据不具有普适性。在实际应用中，必须根据当地混凝土原材料进行配比试验，从而获得上述混凝土配比试验数据。若已经具有上述试验数据，则该步骤(1)可以省略。

(2)令Ｘ表示不同配比成分的数据，其中Ｘ为维数是数据组数×(成分种类数+1)的矩阵，本实施例中试验数据13组，混凝土原材料成分7种，即为13×8的矩阵，也就是图1中虚线框表示的数据，Y表示混凝土的强度数据，数据组数×1的矩阵，本实施例中为13×1的矩阵，也就是实线框表示的数据。以X为输入数据，Y为输出数据，利用非线性支持向量机回归法、优化极限学习机法、神经网络法、Kriging模型法或者其他建模方法对上述数据进行训练，即可建立X→Y的映射关系，从而获得混凝土强度预测模型，这里假设混凝土强度预测模型为f，则有混凝土强度值Y＝f(X)；

这里以基于非线性支持向量机回归法为例，给出建立混凝土配比X与混凝土的强度Y的映射关系的具体实现步骤：

假设混凝土实验配比及混凝土强度数据如下：{xi,yi|i＝1,,,N}，其中xi＝[x_i1,x_i2,…,x_in]∈R_n，y_i∈R₁，N为实验样本数；

$X=\left[\begin{array}{c}{x}_1\\ x_2\\ ...\\ x_N\end{array}\right]=\left[\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ ...& ...& ...& ...\\ x_{N1}& x_{N2}& ...& x_{\mathrm{Nn}}\end{array}\right]Y=\left[\begin{array}{c}{y}_1\\ y_2\\ ...\\ y_N\end{array}\right]---\left(1\right)$

式(1)中，X为实验样本中混凝土各个成分的配比数据，Y为混凝土强度数据，N为实验样本数，本实例中N＝13；n为变量X的维数，这里考虑混凝土成分的总数为8(如图1所示)，取n＝8。

非线性支持向量机回归法的函数表达式如下：

$f\left(x\right)=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i-{\mathrm{\α}}_i^{*})K(x\·x_j)+{\mathrm{\ω}}_0---\left(2\right)$

其中x_j(j＝1,...,N)为实验样本数据，K(x·x_j)为非线性核函数，常用核函数有1)多项式核函数：K(x·x_j)＝(<x·x_j>+1)^q；2)径向基函数：K(x·x_j)＝exp(-||x-x_j||/σ²)；3)Sigmoid核函数：K(x·x_j)＝tanh(v<x·x_j>+c)。

为了确定最佳的参数使得支持向量机回归函数f(x)在每个实验样本点x_j(j＝1,...,N)上逼近其真实响应值y_j，即：f(x_j)→y_j(j＝1,...,N)，只需求解如下非线性优化问题：

$\min \frac{1}{2}\underset{i,j=1}{\overset{n}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i-{\mathrm{\&alpha;}}_i^{*})({\mathrm{\&alpha;}}_j-{\mathrm{\&alpha;}}_j^{*})K(x_i\&CenterDot;x_j)+\mathrm{\&epsiv;}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i+{\mathrm{\&alpha;}}_i^{*})-\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i-{\mathrm{\&alpha;}}_i^{*})$

$s.t.\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i-{\mathrm{\&alpha;}}_i^{*})=0$

$0\&le;{\mathrm{\&alpha;}}_i,{\mathrm{\&alpha;}}_i^{*}\&le;\mathrm{Ci}=\mathrm{1,2},...,n---\left(3\right)$

利用常规成熟优化算法，如BFGS，遗传算法，粒子群算法，即可求解上述参数的最佳值，并代入式(2)，从而获得显式的支持向量机回归函数f(x)，最终建立X→Y的映射关系。

(3)利用该混凝土强度预测模型f(X)，指导混凝土强度的调配，即对于任意给定的新的不同成分配比X_输入，代入上述混凝土强度预测模型中，得到对应的新混凝土强度预测值，即Y_输出＝f(x_输入)。

本发明的重点在于：先在现场按照标准混凝土强度检测方法对不同混凝土配比进行强度试验，获得一组混凝土配比成分X及对应的混凝土强度Y的实验样本数据，然后以混凝土配比成分X为输入数据，对应的混凝土强度Y为输出数据，利用非线性支持向量机回归法、优化极限学习机法、神经网络法、Kriging模型法等现有的建模方法对上述数据进行训练，建立X→Y的映射关系，从而获得混凝土强度预测模型f(X)，今后，对于任意给定的新的不同混凝土配比成分X_输入，代入上述混凝土强度预测模型f(X)中，不需要另行做混凝土强度检测，即可得到对应的混凝土强度预测值Y_输出＝f(x_输入)，从而解决了混凝土强度检测需要繁琐耗时耗材耗力人工试验检测的问题，同时，在混凝土配比设计阶段，即可给设计人员提供混凝土强度预测参考，大大降低成本。

以上所述，仅是本发明较佳实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (1)

1.一种混凝土强度的预测方法，其特征在于：先在现场按照标准混凝土强度检测方法对不同混凝土配比成分进行强度试验，获得一组混凝土配比成分X及对应的混凝土强度Y的实验样本数据，然后以混凝土配比成分X为输入数据，对应的混凝土强度Y为输出数据，利用非线性支持向量机回归法、优化极限学习机法、神经网络法、Kriging模型法的现有建模方法对上述数据进行训练，建立X→Y的映射关系，从而获得混凝土强度预测模型f(X)，对于任意给定的新的不同混凝土配比成分X_输入，代入上述混凝土强度预测模型f(X)中，得到对应的混凝土强度预测值Y_输出＝f(x_输入)。