一种混凝土28天抗压强度分级预测模型的构建方法技术

本发明专利技术公开了一种混凝土28天抗压强度分级预测模型的构建方法，该方法通过采集混凝土28天抗压强度数据以及混凝土特征参数数据，利用特征选择法筛选与混凝土抗压强度相关性强的k个特征参数作为训练参数，通过利用国家标准对混凝土抗压强度进行分级，并将分级后的混凝土抗压强度数据作为目标参数，将分级后的数据集划分为训练集与验证集后，利用训练集训练优化m个预测算法，利用预测算法结果结合软投票法得到最终抗压强度预测结果，并利用验证集实际结果评价该方法效果。本发明专利技术相比较传统物理测算混凝土抗压强度方式能有效提高工程进度，相比较单一算法预测混凝土抗压强度具有鲁棒性强的特点。棒性强的特点。棒性强的特点。

【技术实现步骤摘要】
一种混凝土28天抗压强度分级预测模型的构建方法


[0001]本专利技术属于混凝土抗压强度预测领域，更具体地，涉及一种混凝土28天抗压强度分级预测模型的构建方法。

技术介绍

[0002]混凝土是使用量最大的建筑材料且混凝土性能对建筑质量有重要影响。因此，在实际工程项目中，为了保证建筑施工及运营安全，往往需通过大量试验来保证混凝土性能可达到项目和规范要求，混凝土性能指标包括抗压强度、抗冻性、抗拉强度及抗侵蚀性，其中抗压强度对建筑安全有很大影响。
[0003]国内外都把混凝土28天抗压强度作为混凝土的代表抗压强度，并把28天龄期作为强度基本稳定的龄期，所以测定混凝土抗压强度值的主要依据是混凝土28天抗压强度。为快速预测混凝土28天抗压强度，有许多科研人员尝试利用各种方法进行预测，在早期科研人员利用数学方法进行线性拟合，将个别混凝土参数作为变量，进行函数求解。但这种方法预测效果较差，并且针对不同类型的混凝土，数学公式并不具备推广性。随着机器学习的发展，利用机器学习进行混凝土抗压强度预测越来越受到科研人员的关注。
[0004]对于预测混凝土抗压强度数值而言，根据实际经验，对于混凝土抗压强度并不需要得到具体数值，只需要得到预测区间，即抗压强度级别；对于机器学习算法而言，单一机器学习方法进行混凝土抗压强度预测，十分依赖算法的好坏与参数的选取，不同算法与参数得到的结果存在很大差异。

技术实现思路

[0005]本专利技术提供了一种混凝土28天抗压强度分级预测模型的构建方法，首先对混凝土抗压强度进行分级处理，再利用不同机器学习算法得到的结果，进行软投票法判断得到最终混凝土抗压强度，解决了混凝土抗压强度预测精度不高的问题。
[0006]本专利技术解决上述技术问题所采用的技术方案如下：一种混凝土28天抗压强度分级预测模型的构建方法，包括：
[0007]采集混凝土数据样本，每个样本采集其28天抗压强度实际值与特征参数值，所有样本数据构成数据集；
[0008]通过特征选择方法，筛选与混凝土抗压强度有关的k个特征参数；
[0009]对混凝土抗压强度按照国家标准进行分级，并将收集的数据分为训练集与验证集；
[0010]利用训练集训练m个算法并进行优化；
[0011]利用验证集对训练好的m个算法进行混凝土抗压强度预测；
[0012]利用软投票法结合训练的算法预测结果确定最终混凝土抗压强度结果；
[0013]利用验证集检验模型效果。
[0014]本专利技术的有益效果为：本专利技术采用混凝土抗压强度分级进行预处理数据，满足不
同工程或者不同部位对混凝土抗压强度的要求；本专利技术采用机器学习方法进行预测，可避免物理测量周期长的缺点，缩短工程周期，提高工程效率；本专利技术利用特征选择法筛选与混凝土抗压强度有关的特征参数，可减少训练参数，降低训练模型复杂度，提高训练效率。
[0015]在上述技术方案的基础上，本专利技术还可以做如下改进。
[0016]进一步，所述特征选择方法包括方差选择法、相关系数法、卡方检验法、互信息法和relief算法。
[0017]优选的，使用相关系数法，选择最好的k个特征。
[0018]优选的，所述k值为7，选择出的特征分别为：水泥质量分数、高炉矿渣质量分数、粉煤灰质量分数、水含量、高效减水剂质量分数、粗骨料质量分数和细骨料质量分数。
[0019]本专利技术进一步有益效果是：通过利用特征选择法，将与混凝土抗压强度无关或者相关性较小的特征剔除，避免这些参数对模型训练造成干扰。
[0020]优选的，所述对混凝土抗压强度分级的国家标准为《混凝土结构设计规范》(2015版)(GB50010
‑
2010),按照该规定混凝土强度等级采用立方体抗压强度标准值确定，划分为C15、C20、C25、C30、C35、C40、C45、C50、C55、C60、C65、C70、C75和C80。
[0021]本专利技术进一步有益效果是：通过对混凝土抗压强度按照国标分级，能快速判断训练集混凝土适用的工程或者适用的工程部位，因此预测出的混凝土抗压强度同样可以快速判断该混凝土的适用范围，缩短工程用混凝土判断时间。
[0022]进一步，本专利技术将按照国标进行分级的数据按照比例划分为训练集与验证集，划分比例为7:3。
[0023]进一步，本专利技术所述算法包括随机森林算法、AdaBoost算法、CatBoost算法和支持向量机算法。
[0024]进一步，本专利技术训练m个算法，优选的，m为3，所选算法为随机森林算法、支持向量机算法和CatBoost算法作为训练算法。
[0025]进一步，本专利技术通过对所选算法进行调优，确定算法最佳训练参数，其中随机森林算法包括决策树的数量，支持向量机算法包括核函数、惩罚系数和训练方式，CatBoost算法包括学习率、迭代次数和loss函数。
[0026]本专利技术进一步有益效果是：通过对数据集划分为训练集和验证集，能保证验证集与训练集重合度低，使得验证集具有代表性；通过对所选算法进行参数调节，保证了每个算法对于数据集训练的有效性，提高了模型的可信度；通过利用调优后的模型，可分别预测验证集得到验证集对应的每个算法的预测结果。
[0027]进一步，本专利技术通过利用软投票法确定模型对于验证集最终预测结果，具体为：
[0028]S1、提取算法1、算法2、算法3对于验证集的预测结果，作为软投票法的输入；
[0029]S2、对于每一组混凝土验证数据得到的预测结果，根据以下规则确定最终预测等级：
[0030]若对于该组混凝土验证数据，算法1、算法2和算法3预测抗压强度等级有两个及以上算法预测结果相同，则该组最终预测结果即为此抗压强度等级；
[0031]若对于该组混凝土验证数据，算法1、算法2和算法3预测抗压强度等级均不同，则选择三种算法在在该组数据预测等级的中位数作为该组最终预测结果。
[0032]S3、输出软投票法最终预测结果。
[0033]本专利技术进一步有益效果是：通过3种已调优的算法进行训练，能增加模型的准确率，通过软投票法利用3种已调优的算法的预测结果确定模型最终预测结果，能进一步提高模型的准确性，增加模型的鲁棒性。
[0034]综上所述，本专利技术的有益效果为：一种混凝土28天抗压强度分级预测模型的构建方法首先进行混凝土28天抗压强度样本数据采集，并通过特征选择法筛选与混凝土抗压强度有关的特征参数，利用国家标准对混凝土28天抗压强度进行分级，并将分级后的数据集划分为训练集与验证集，利用训练集对3个算法进行训练与调优，利用调优后的3个算法针对验证集得到预测结果，通过对3个算法的预测结果利用软投票法得到最终预测结果，并通过验证集实际结果检验模型效果。通过上述技术方案，对混凝土抗压强度分级能快速得到需要预测的混凝土适用范围，通过3个算法利用软投票法得到最终预测结果能避免单一算法适用性不强的缺点，相较于传统物理验证混凝土28天抗压强度，上述技术方案能减少测量抗压强本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种混凝土28天抗压强度分级预测模型的构建方法，其特征在于，包括：采集混凝土数据样本，每个样本采集其28天抗压强度实际值与特征参数值，所有样本数据构成数据集；通过特征选择方法，筛选与混凝土抗压强度有关的k个特征参数；对混凝土抗压强度按照国家标准进行分级，并将收集的数据分为训练集与验证集；利用训练集训练m个算法并进行优化；利用验证集对训练好的m个算法进行混凝土抗压强度预测；利用软投票法结合训练的算法预测结果确定最终混凝土抗压强度结果；利用验证集检验模型效果。2.根据权利要求1所述的一种混凝土28天抗压强度分级预测模型的构建方法，其特征在于，所述特征选择法为相关系数法，利用相关系数发筛选出k个特征参数，优选的，k为7，筛选的7个特征参数分别为：水泥质量分数、高炉矿渣质量分数、粉煤灰质量分数、水含量、高效减水剂质量分数、粗骨料质量分数和细骨料质量分数。3.根据权利要求1所述的一种混凝土...

【专利技术属性】
技术研发人员：姜万顺，肖丙刚，王奕鹏，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：