【技术实现步骤摘要】
本专利技术属于道路工程材料质量检测，尤其涉及一种基于pso优化bp神经网络的sbs改性剂含量预测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、
3、
4、目前主要根据现有规范评价沥青技术指标来控制改性沥青的质量，此方法试验量大、重现性差。近年来，随着人工智能及计算机硬件性能的不断发展，基于神经网络、模糊系统等人工智能技术的预测算法因其强大的学习能力和高效的训练速度，在预测领域得到广泛应用；但是目前基于神经网络的预测模型存在收敛速度慢，精度低等问题。
技术实现思路
1、为克服上述现有技术的不足，本专利技术提供了一种基于pso优化bp神经网络的sbs改性剂含量预测方法及系统，引入bp神经网络，通过pso来进行优化，以解决传统bp神经网络预测模型，收敛速度慢，精度低等问题，可以有效的提高预测模型速度和精度，同时结合红外光谱试验(ftri)为sbs改性剂含量的预测提供一种新的方法。
2、为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
3、本专利技术第一方面提供了一种基于pso优化bp神经网络的sbs改性剂含量预测方法，包括：采集多份不同sbs含量的改性沥青样品的红外光谱数据；
4、对采集的红外光谱数据进行预处理后划分训练集和测试集；
5、利用训练集对构建的预测模型进行训练，在训练过程中采用pso算法进行优化，将pso算法得到的
6、将测试集输入至训练后的含量预测模型中，得sbs改性剂的含量；
7、所述含量预测模型为bp神经网络，包括依次连接的输入层、隐含层和输出层；确定含量预测模型的输入量和输出量，分别根据模型的输入量和输出量确定输入层以及输出层神经元个数，通过经验公式确定隐含层神经元，输入神经元与隐藏神经元之间采用sigmoid激活函数。
8、本专利技术第二方面提供了一种基于pso优化bp神经网络的sbs改性剂含量预测系统，包括：
9、红外光谱数据获取模块，被配置为：采集多份不同sbs含量的改性沥青样品的红外光谱数据；
10、数据预处理模块，被配置为：对采集的红外光谱数据进行预处理后划分训练集和测试集；
11、模型训练模块，被配置为：利用训练集对构建的含量预测模型进行训练，在训练过程中采用pso算法进行优化，将pso算法得到的全局最优值作为含量预测模型的初始权重和阈值；
12、模型测试模块，被配置为：将测试集输入至训练后的含量预测模型中，得sbs改性剂的含量；
13、所述含量预测模型为bp神经网络，包括依次连接的输入层、隐含层和输出层；确定含量预测模型的输入量和输出量，分别根据模型的输入量和输出量确定输入层以及输出层神经元个数，通过经验公式确定隐含层神经元，输入神经元与隐藏神经元之间采用sigmoid激活函数。
14、以上一个或多个技术方案存在以下有益效果：
15、(1)本专利技术提出了基于pso优化bp神经网络的含量预测模型，该模型所需数据量小，预测精度高，可快速、准确的预测出改性沥青中sbs改性剂含量。
16、(2)本专利技术对bp神经网络进行优化，将pso算法得到的全局最优值作为bp神经网络的权重和阈值，解决传统bp神经网络预测模型收敛速度慢、精度低以及易陷入局部极小值的问题，提高sbs改性剂含量预测模型的训练速度和预测结果的精度。
17、(3)本专利技术红外光谱实验中采用溶液法制作测试样品，制样方法便捷、易操作，在试验过程中无需加热，更加安全，具有更加优越的适用性。
18、本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种基于PSO优化BP神经网络的SBS改性剂含量预测方法，其特征在于，包括：采集多份不同SBS含量的改性沥青样品的红外光谱数据；
2.如权利要求1所述的一种基于PSO优化BP神经网络的SBS改性剂含量预测方法，其特征在于，所述含量预测模型包括3个输入神经元，每个输入神经元对应的输入量分别为：SBS改性剂含量在h966处的特征峰面积、基质沥青在h1377处的特征峰面积以及二者比值；
3.如权利要求1所述的一种基于PSO优化BP神经网络的SBS改性剂含量预测方法，其特征在于，所述改性沥青样品按2％、3％、4％、5％和6％梯度制备。
4.如权利要求3所述的一种基于PSO优化BP神经网络的SBS改性剂含量预测方法，其特征在于，制备多份不同SBS含量的改性沥青样品，包括：将70#基质沥青加热到160℃，使其具有较好的流动状态，在3000rpm剪切下升温至180℃；
5.如权利要求1所述的一种基于PSO优化BP神经网络的SBS改性剂含量预测方法，其特征在于，所述采集改性沥青样品的红外光谱数据，包括：在50ml比色管中倒入30ml四氯化碳，取
6.如权利要求1所述的一种基于PSO优化BP神经网络的SBS改性剂含量预测方法，其特征在于，所述对采集的红外光谱数据进行预处理，包括：对采集的红外光谱数据依次进行Kalman滤波处理、基线较正、数据平滑和归一化处理。
7.如权利要求1所述的一种基于PSO优化BP神经网络的SBS改性剂含量预测方法，其特征在于，所述在训练过程中采用PSO算法进行优化，包括：设置训练参数，初始化PSO算法参数；
8.一种基于PSO优化BP神经网络的SBS改性剂含量预测系统，其特征在于，包括：
9.如权利要求8所述的一种基于PSO优化BP神经网络的SBS改性剂含量预测系统，其特征在于，所述含量预测模型包括3个输入神经元，每个输入神经元对应的输入量分别为：SBS改性剂含量在h966处的特征峰面积、基质沥青在h1377处的特征峰面积以及二者比值；
10.如权利要求8所述的一种基于PSO优化BP神经网络的SBS改性剂含量预测系统，其特征在于，所述在训练过程中采用PSO算法进行优化，包括：设置训练参数，初始化PSO算法参数；
...【技术特征摘要】
1.一种基于pso优化bp神经网络的sbs改性剂含量预测方法，其特征在于，包括：采集多份不同sbs含量的改性沥青样品的红外光谱数据；
2.如权利要求1所述的一种基于pso优化bp神经网络的sbs改性剂含量预测方法，其特征在于，所述含量预测模型包括3个输入神经元，每个输入神经元对应的输入量分别为：sbs改性剂含量在h966处的特征峰面积、基质沥青在h1377处的特征峰面积以及二者比值；
3.如权利要求1所述的一种基于pso优化bp神经网络的sbs改性剂含量预测方法，其特征在于，所述改性沥青样品按2％、3％、4％、5％和6％梯度制备。
4.如权利要求3所述的一种基于pso优化bp神经网络的sbs改性剂含量预测方法，其特征在于，制备多份不同sbs含量的改性沥青样品，包括：将70#基质沥青加热到160℃，使其具有较好的流动状态，在3000rpm剪切下升温至180℃；
5.如权利要求1所述的一种基于pso优化bp神经网络的sbs改性剂含量预测方法，其特征在于，所述采集改性沥青样品的红外光谱数据，包括：在50ml比色管中倒入30ml四氯化碳，取制备好的改性沥青样品加入比...
【专利技术属性】
技术研发人员：王凯，赵全满，夏全平，吴莉，韩来尚，张晓琳，孙宝生，
申请(专利权)人：山东绿达建设发展集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。