本发明提供一种基于集成算法的混凝土配合比设计方法,其他特征在于,包括以下步骤,S1)按照《普通混凝土配合比设计规程》标准,准备用于制备混凝土的水、水泥、减水剂、砂子、石子;S2)确定设计混凝土性能;S3)根据已有资料构建混凝土性能集成学习第一模型;S4)根据第一模型,运用第二模型求解最佳配合比。本发明的有益效果是,在满足混凝土强度和流动性的前提下优化配合比设计,节省混凝土材料成本。通过充分利用现有数据,减少对于实验人员的经验要求,极大减少实验次数。
1.一种基于集成算法的混凝土配合比设计方法,其特征在于,包括以下步骤,S1)按照《普通混凝土配合比设计规程》标准,准备用于制备混凝土的水、水泥、减水剂、砂子、石子;S2)确定设计混凝土性能;S3)根据已有资料构建混凝土性能集成学习第一模型;S4)根据第一模型,运用第二模型求解最佳配合比;所述第一模型包括,采用以下公式将基础树模型写成个数为K的加法模型:其中,q表示将样本映射到叶节点的树的结构,是样本空间、是树空间,T是每棵树叶子的数量,每个fk对应了独立的树结构q和叶权值ω,xi为混凝土配合比,ωq(x)表示树结构为q和叶权值为ω的树模型,损失函数:其中:表示预测与yi的差值;是预测混凝土性能;yi是真实混凝土性能;Ω是惩罚项;fk是k-1次预测时值;ft是t-1次预测时值;采用以下公式使用模型以累加的方式训练,是t次迭代中第i个实例的预测,把ft加到最小化目标中,其中:n为最终迭代次数,运用泰勒公式:其中:多项式为函数在x0处的泰勒展开,Rn(x)是泰勒公式的余项且是(x-x0)n的高阶无穷小,x0为展开中心,得如下等式:其中,constant为常数项;分别为损失函数一阶和二阶的梯度值,在第t步迭代中,去掉常数项以简化目标函数,去除参数项得目标函数为:所述第二模型包括,vi=ω1vi+c1×rand()×(pbesti-xi)+c2×rand()×(gbesti-xi) (7)xi=xi+v1 (8)其中:i=1,2,…,N,N是粒子总数;vi:是粒子的速度;xi:是粒子的当前位置;c1和c2:是学习因子;rand():介于0~1之间的随机数;ω1:为惯性因子,其值为非负;pbesti:为微粒群的局部最优位置;gbesti:为微粒群的全局最优位置,所述步骤S3)包括,采用决定系数R2作为模型性能评价指标:其中:Ti为真实值,Pi为预测值,i=1,2,…,m为样本编号;为样本平均真实值,m表示样本的个数。
本文链接:http://www.vipzhuanli.com/tech/sell/s_2311164.html,转载请声明来源钻瓜专利网。