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。
