一种基于灰色关联的海洋混凝土耐久性能预测模型参数确定方法技术

本发明专利技术公开了一种基于灰色关联的海洋混凝土耐久性能预测模型参数确定方法，包括如下步骤：以海洋混凝土的某个性能指标作为目标函数，从已有的文献中筛选出该目标函数的影响因素参数；将筛选出的参数的数据进行摘录，整理成因素序列，将文献中的目标函数值整理成目标序列；利用灰色关联度分析理论对目标序列和因素序列之间的关联程度进行计算，得到两者的关联系数值，确定影响目标函数的影响因素权重；按照关联系数值的大小对影响因素程度进行排序，选择影响程度的较大的值，作为后期预测模型指标的选择，并根据关联系数的结果确定建模参数的权重；将各因素值乘以其灰色关联系数后带入神经网络模型进行训练和运算，实现指标的预测。

A method for determining parameters of prediction model of durability of marine concrete based on grey relation

The invention discloses a method for determining the parameters of the forecasting model of marine concrete durability based on gray correlation, which comprises the following steps: taking a marine concrete performance index as the target function, selected parameters influencing factors of the objective function from the literature; the parameters of the screened data extracted, sorted into factors in sequence, the objective function of the values in the literature sorting into the target sequence; using the theory to calculate the degree of correlation between the target sequence and the sequence of factors of grey correlation analysis, the numerical relationship between the influence factors of the objective function to determine the influence of weight; sort of factors affecting degree according to the numerical relationship of size, influence larger degree, as the late prediction model of index selection, and determine the parameters according to the results of modeling correlation coefficient The weights of each factor are multiplied by their grey relational coefficients. The neural network model is trained and calculated to realize the prediction of the index.

【技术实现步骤摘要】
一种基于灰色关联的海洋混凝土耐久性能预测模型参数确定方法
本专利技术涉及混凝土耐久性研究领域，是一种海洋环境服役下混凝土耐久性能预测模型模型参数确定方法。
技术介绍
作为重大基础设施建设的主体材料，混凝土材料性能及其时变性直接影响重大基础工程的服役性能与服役寿命。对于海洋混凝土的性能已经有大量的研究，混凝土本身因素和所处环境因素都将对混凝土后期的性能产生影响，混凝土的最终强度受到多种影响因素的综合作用，影响机制复杂，且影响因素之间也彼此交叉影响。已有的研究中涉及到不同的因素影响，研究侧重点不同，研究结果通常只适用于某些特定的条件下。严酷环境下混凝土耐久性能和服役寿命的预测方法众多，其中人工神经网络，BP支持向量机等预测方法的应用广泛。人工神经网络(NeuralNetworks,NN)是由大量简单的神经元广泛地互相连接而形成的复杂网络系统，它具备相当人脑功能的一些基本特征，是一个基于黑匣子运算的复杂的系统，可以用于运算多因素非线性关系的计算模型。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。基于数据的机器学习是现代智能技术中的重要方面，在以黑匣子操作为基础的模型中，预测节点的选择尤为重要。比如，以水泥强度、水泥、砂、碎石单位用量、水灰比以及碎石最大粒径作为输入参量，同条件养护试件的等效养护龄期强度作为输出参量，可以利用神经网络预测模型进行预测，神经网络解决了混凝土抗压强度这个多元化、非线性、涉及面广、综合性强的问题的预测。综合考虑混凝土本身的影响因素和外界的环境因素，通过建立神经网络模型对混凝土的劣化做出预测，并且能通过统计的手段找到混凝土性能力恶化的主要因素。在以上的预测过程中，预测模型的节点选择直接关系到模型建立是否可靠，对于目前影响因素复杂的海洋环境混凝土的后期性能的预测，选择正确的因素节点既可以提高预测模型的精度和可靠性，也可以提高模型预测的效率，从而建立高效精准的海洋混凝土性能预测模型。目前，对于因素的确定和数据的选择存在一定的局限性，对于模型建立时的数据获取主要都是通过研究人员的试验获得，不具有代表性，通常只能适用于单一的预测模型，适用范围狭窄。同时，神经网络节点各因素对指标的影响程度不同，通过增加权重系数的修正可以实现神经网络运算的高效化和简易化。该权重系数的选择需要与实际环境中各因素对指标的影响程度进行确定，灰色关联系数可用于衡量该影响程度。在神经网络的建模过程中，使用灰色关联系数值作为权重系数进行修正可以较好地实现海洋环境中混凝土的后期性能的预测。
技术实现思路
本专利技术的目的是针对现有技术中存在的因素选择不全面，数据量不充分，从而导致最终建模存在不准确，泛化能力低，精度不够，适用性，处理协调多因素能力差的问题，提供一种基于灰色关联的海洋混凝土耐久性能预测模型参数确定方法。为实现上述目的，本专利技术采用的技术方案为：一种基于灰色关联的海洋混凝土耐久性能预测模型参数确定方法，包括如下步骤：步骤一，以海洋混凝土的某个性能指标作为目标函数，从已有的文献中筛选出该目标函数的影响因素参数；步骤二，将步骤一筛选出的参数的数据进行摘录，整理成因素序列，将文献中的目标函数值整理成目标序列；步骤三，利用灰色关联度分析理论对目标序列和因素序列之间的关联程度进行计算，得到两者的关联系数值，确定影响目标函数的影响因素权重；步骤四，按照关联系数值的大小对影响因素程度进行排序，选择影响程度的较大的值，作为后期预测模型指标的选择，并根据关联系数的结果确定建模参数的权重；步骤五，将上一步选择的影响程度较大的因素值乘以其灰色关联系数后带入神经网络模型进行训练和运算，实现指标的预测。步骤一中，参数获取方法包括文献数据直接摘录，文献图表数据读取以及数据推导。文献图表数据读取时，使用GetData软件进行读取和摘录，并利用Excel软件摘录整理。步骤三中，利用公式计算关联系数η(Xi)，其中X0是目标序列，Xi为相关因素序列，ρ为分辨系数。步骤四中，选择关联系数大于平均系数的影响因素。本专利技术的主要机理如下：灰色关联理论的原理主要是通过两序列之间的曲线相似程度来判别两者之间的关联度大小，或者说是两序列的曲线的几何形状的差异程度。当两曲线的几何形状越接近时，序列之间的关联度就越大，反之就越小。该方法对于离散程度较大无规律可循的样本亦可以使用，计算方便。主要包括的计算步骤有目标序列和因素序列确定，对数列进行无量纲处理。利用公式计算灰色关联系数η(Xi),其中X0是目标序列，Xi为相关因素序列，ρ为分辨系数。将该灰色关联系数值作为权重系数带入到计算模型中进行修正，以提高模型的运算效率。有益效果：本专利技术以灰色关联理论为分析方法，对目标函数和子因素之间的相关系数进行计算，数据来源于大量的文献数据摘录和文献图表的读取。数据库范围广泛，适用性强；数据获取来源于大量国内外文献，文献具有代表性和可靠性。本专利技术中尤其是对于材料因素的分析可以很好地实现对混凝土设计的指导，此外可以实现预测模型的节点选择。本专利技术与现有的试验适配确定参数选择相比，优点为：第一，能够极大程度上节约资源，减少试验，实现混凝土性能的预测分析；第二，相比较单一的研究，该方法基于各种条件下的试验数据，具有更好的普适性和可靠度。附图说明图1为实施例的步骤流程图；图2为实施例中模型收敛的精度；图3为验证网络的性能的仿真结果。具体实施方式下面对本专利技术的实施例作详细说明：本实施案例是以本专利技术技术方案为前提的基础下进行实施，给出详细的实施过程，但本专利技术的保护范围不限于下述的实施案例：实施例基于灰色关联系数的海洋水下区混凝土氯离子扩散系数预测模型参数的权重计算。步骤如图1，阅读国内外文献，涉及国内外文献约40篇，选择影响海洋混凝土氯离子扩散系数的影响因素包括材料因素：原材料水胶比，养护时间，暴露前强度，粉煤灰和矿渣掺量，环境因素：氯离子浓度，硫酸根离子浓度，暴露温度和暴露龄期。提取有效数据192组，如表1。对其进行灰色关联理论分析。通过计算得到各因素与目标因素的灰色关联系数值。具体数值如下：水胶比：0.686，养护时间：0.671，强度：0.706，粉煤灰掺量：0.580，矿粉掺量：0.656，氯离子浓度0.771，硫酸根离子浓度0.663，镁离子浓度：0.657，加载值：0.583，温度：0.667，暴露时间：0.691。结果得到：氯离子浓度>强度>暴露时间>水胶比>养护时间>温度>硫酸根离子浓度>镁离子浓度>矿粉掺量>荷载值>粉煤灰掺量。在这里考虑强度，氯离子浓度，暴露时间，硫酸根，镁离子为主要影响因素，预测离子扩散系数。权重系数值利用各个关联系数与总关联系数的比值确定，则各权重系数为。强度：0.202，氯离子浓度：0.221，暴露时间：0.198，硫酸根：0.191，镁离子：0.188。选取68组数据，如表2，根据权重系数处理原始样本可得到后期的训练样本。并建立神经网络模型。表1192组数据整理摘录表表2权重系数处理后的68组样本图2为模型收敛的精度，当设置误差为0.00001时，网络在43部运算时收敛，也就是说网络可用；图3验证网络的本文档来自技高网...

【技术保护点】
一种基于灰色关联的海洋混凝土耐久性能预测模型参数确定方法，其特征在于：包括如下步骤：步骤一，以海洋混凝土的某个性能指标作为目标函数，从已有的文献中筛选出该目标函数的影响因素参数；步骤二，将步骤一筛选出的参数的数据进行摘录，整理成因素序列，将文献中的目标函数值整理成目标序列；步骤三，利用灰色关联度分析理论对目标序列和因素序列之间的关联程度进行计算，得到两者的关联系数值，确定影响目标函数的影响因素权重；步骤四，按照关联系数值的大小对影响因素程度进行排序，选择影响程度的较大的值，作为后期预测模型指标的选择，并根据关联系数的结果确定建模参数的权重；步骤五，将上一步选择的影响程度较大的因素值乘以其灰色关联系数后带入神经网络模型进行训练和运算，实现指标的预测。

【技术特征摘要】
1.一种基于灰色关联的海洋混凝土耐久性能预测模型参数确定方法，其特征在于：包括如下步骤：步骤一，以海洋混凝土的某个性能指标作为目标函数，从已有的文献中筛选出该目标函数的影响因素参数；步骤二，将步骤一筛选出的参数的数据进行摘录，整理成因素序列，将文献中的目标函数值整理成目标序列；步骤三，利用灰色关联度分析理论对目标序列和因素序列之间的关联程度进行计算，得到两者的关联系数值，确定影响目标函数的影响因素权重；步骤四，按照关联系数值的大小对影响因素程度进行排序，选择影响程度的较大的值，作为后期预测模型指标的选择，并根据关联系数的结果确定建模参数的权重；步骤五，将上一步选择的影响程度较大的因素值乘以其灰色关联系数后带入神经网络模型进行训练和运算，实现指标的预测。2...

【专利技术属性】
技术研发人员：钱春香，梁程瑶，康文策，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32