混凝土收縮開裂問(wèn)題嚴(yán)重危害建筑工程的結(jié)構(gòu)安全和正常使用,準(zhǔn)確快速預(yù)測(cè)混凝土早期抗裂性成為研究重點(diǎn)。將隨機(jī)森林結(jié)合支持向量機(jī)算法（RF-SVM）引入混凝土早期抗裂性研究,以某項(xiàng)目混凝土為例,基于材料和配合比選取了12個(gè)影響因素的混凝土早期抗裂性指標(biāo)體系,采用基于重要性排序的隨機(jī)森林回歸算法,對(duì)影響因子進(jìn)行特征提取,選出最優(yōu)特征變量集,達(dá)到降維的目的,同時(shí)明確了該實(shí)際工程中應(yīng)當(dāng)注意加強(qiáng)控制的因素。然后采用十折交叉驗(yàn)證方法對(duì)支持向量機(jī)（SVM）模型進(jìn)行參數(shù)優(yōu)化,利用SVM模型對(duì)篩選后的樣本進(jìn)行訓(xùn)練和預(yù)測(cè),輸出預(yù)測(cè)結(jié)果,并與未進(jìn)行特征篩選的支持向量機(jī)預(yù)測(cè)模型、人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)比,結(jié)果顯示:RF-SVM預(yù)測(cè)結(jié)果最接近實(shí)測(cè)值,模型精度最高。RF-SVM預(yù)測(cè)模型可為實(shí)現(xiàn)混凝土早期抗裂性快速預(yù)測(cè)提供一種有效的方法。 

【文章來(lái)源】：工業(yè)建筑. 2020,50(09)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

基于RF-SVM的混凝土早期抗裂性預(yù)測(cè)模型流程

根據(jù)式(11)使用R包中的Pearson函數(shù)可以分析影響因素之間以及影響因素與總開裂面積之間的相關(guān)性，并對(duì)基于隨機(jī)森林importance函數(shù)計(jì)算的重要性排序做一個(gè)驗(yàn)證，調(diào)用R軟件ggplot2程序包輸出繪圖結(jié)果，可得到圖2各影響因素與輸出變量的相關(guān)性散點(diǎn)圖。當(dāng)圖中的相關(guān)性點(diǎn)徑越大，表明影響因素與輸出變量之間的相關(guān)系數(shù)越大，兩者之間的關(guān)聯(lián)性越強(qiáng)。由圖2可以看出，水泥用量、水泥強(qiáng)度、混凝土強(qiáng)度、水膠比、平均粒徑與總開裂面積的相關(guān)性明顯高于其他因素，說(shuō)明這些因素與混凝土早期總開裂面積高度相關(guān)。與基于隨機(jī)森林的變量重要性評(píng)價(jià)結(jié)果相吻合，因此有效驗(yàn)證了隨機(jī)森林能夠較準(zhǔn)確對(duì)復(fù)雜的影響因素進(jìn)行重要性度量。5)交叉驗(yàn)證降維。使用遞歸消除法(RFE算法)經(jīng)過(guò)5折交叉驗(yàn)證重復(fù)10次得到不同變量組合的RMSE(均方根誤差)變化趨勢(shì)，見(jiàn)圖3。由圖可知，隨著變量組合個(gè)數(shù)的增加，模型的RMSE整體表現(xiàn)出先大幅下降后緩慢上升的趨勢(shì)。RFE通過(guò)交叉組合，不斷建立模型，剔除一些特征變量，直到遍歷所有的特征變量，最終得到最佳變量組合。比較每次驗(yàn)證時(shí)得到的模型的RMSE值，選擇均方根誤差值最小的變量集作為最優(yōu)特征變量集。這種算法篩除了不重要的特征和冗余的影響因素，可以提高模型的預(yù)測(cè)精度。此外，當(dāng)變量組合數(shù)達(dá)到7個(gè)時(shí)，RMSE達(dá)到最小，表示此時(shí)模型的預(yù)測(cè)效果最好。經(jīng)序列后向選擇的特征篩選得到的變量集合包含水泥用量、水泥強(qiáng)度、減水劑、水膠比、混凝土強(qiáng)度、粗集料用量、平均粒徑7個(gè)因素，將交叉驗(yàn)證誤差最小的特征變量集合作為混凝土抗裂性預(yù)測(cè)模型的輸入指標(biāo)集。

5)交叉驗(yàn)證降維。使用遞歸消除法(RFE算法)經(jīng)過(guò)5折交叉驗(yàn)證重復(fù)10次得到不同變量組合的RMSE(均方根誤差)變化趨勢(shì)，見(jiàn)圖3。由圖可知，隨著變量組合個(gè)數(shù)的增加，模型的RMSE整體表現(xiàn)出先大幅下降后緩慢上升的趨勢(shì)。RFE通過(guò)交叉組合，不斷建立模型，剔除一些特征變量，直到遍歷所有的特征變量，最終得到最佳變量組合。比較每次驗(yàn)證時(shí)得到的模型的RMSE值，選擇均方根誤差值最小的變量集作為最優(yōu)特征變量集。這種算法篩除了不重要的特征和冗余的影響因素，可以提高模型的預(yù)測(cè)精度。此外，當(dāng)變量組合數(shù)達(dá)到7個(gè)時(shí)，RMSE達(dá)到最小，表示此時(shí)模型的預(yù)測(cè)效果最好。經(jīng)序列后向選擇的特征篩選得到的變量集合包含水泥用量、水泥強(qiáng)度、減水劑、水膠比、混凝土強(qiáng)度、粗集料用量、平均粒徑7個(gè)因素，將交叉驗(yàn)證誤差最小的特征變量集合作為混凝土抗裂性預(yù)測(cè)模型的輸入指標(biāo)集。3.3 支持向量機(jī)建模和評(píng)估


本文編號(hào)：3031635