在建筑行業(yè),混凝土各材料用量的配合比設(shè)計往往需要通過實驗室人工試配得到正式的施工配合比。這種耗時的工序不僅增加了材料的浪費,還增加了混凝土生產(chǎn)的成本。同時,設(shè)計快速精準(zhǔn)的混凝土28d抗壓強度預(yù)測模型在混凝土的智能配合比設(shè)計中也發(fā)揮著重要作用。因此,針對混凝土智能配合比設(shè)計問題,論文基于集成學(xué)習(xí)、深度學(xué)習(xí)以及蒙特卡羅等方法進行了研究。針對建筑行業(yè)中的混凝土的關(guān)鍵性能指標(biāo)28d抗壓強度的預(yù)測精度問題,提出了一種基于集成學(xué)習(xí)的回歸預(yù)測模型。首先,對存在缺失值、有誤測量值和無標(biāo)簽的數(shù)據(jù)集進行了填充和刪除操作,并通過分析屬性間的皮爾遜相關(guān)系數(shù)進行特征選擇。其次,考慮集成多個模型相比單個模型的精度更高,通過Adaboost框架對基預(yù)測器隨機森林進行集成,設(shè)計了基于集成學(xué)習(xí)的回歸預(yù)測模型。最后,將所提方法在兩個真實的混凝土數(shù)據(jù)集上與其他七種的回歸預(yù)測模型進行對比實驗,結(jié)果表明,所提集成學(xué)習(xí)模型能夠有效的提高混凝土28d抗壓強度預(yù)測精度。針對混凝土配合比的智能設(shè)計問題,提出了一種基于深度學(xué)習(xí)的混凝土智能配合比設(shè)計模型。首先,根據(jù)用戶的需求,在數(shù)據(jù)庫中進行模糊匹配,輸出一系列滿足用戶要求的配合比。其次,... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

混凝土配合比各材料用量箱型圖

重慶郵電大學(xué)碩士學(xué)位論文 第 3 章 基于集成學(xué)習(xí)的混凝土 28d 抗壓強度預(yù)測模型 其中ix 和 yi代表兩個變量的樣本值， x 和 y 是兩個變量的平均值，x 和y 是兩個變量的標(biāo)準(zhǔn)差。在原始數(shù)據(jù)中，所有 24 個屬性間的皮爾遜相關(guān)系數(shù)矩陣熱力圖如圖 3.3 所示。

重慶郵電大學(xué)碩士學(xué)位論文第4章基于深度學(xué)習(xí)的混凝土智能配合比設(shè)計模型26們運用第3.2.3節(jié)中特征工程的方法計算特征與特征、特征與標(biāo)簽間的皮爾遜相關(guān)系數(shù)并進行分析，同時咨詢混凝土設(shè)計專家，最終確定模型的輸入特征單元有13個分別是小石用量，大石用量，石灰石粉用量，減水劑用量，細砂用量，中砂用量，粗砂用量，粉煤灰用量，水泥用量，水用量，膨脹劑用量，礦渣粉用量，3d強度。圖4.2混凝土數(shù)據(jù)不同特征的缺失率為了方便模型的部署以及考慮預(yù)測模型的穩(wěn)定性，這里選擇Keras開源深度學(xué)習(xí)框架搭建預(yù)測模型，首先使用Sequential()定義模型，然后使用add()函數(shù)添加全連接網(wǎng)絡(luò)層，add()函數(shù)內(nèi)的input_dim參數(shù)為輸入的特征維度，通過網(wǎng)格搜索的方法，將各個參數(shù)可能的取值進行排列組合，列出所有可能的組合結(jié)果生成神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，最終確定BP神經(jīng)網(wǎng)結(jié)構(gòu)為13-20-10-10-1，除了最后的輸出層激活函數(shù)采用linear，其他層的激活函數(shù)均采用relu，模型的學(xué)習(xí)率為0.01，訓(xùn)練迭代輪數(shù)為100，優(yōu)化器選用Adam，最終模型結(jié)構(gòu)如圖4.3所示。選用RMSE和MAPE作為模型的性能評價指標(biāo)，在測試集上RMSE和MAPE分別為4.325和6.682%。從模型的評價指標(biāo)可以看出，Keras搭建的BP神經(jīng)網(wǎng)絡(luò)在預(yù)測性能上表現(xiàn)良好。同時測試集上混凝土的實際抗壓強度與模型預(yù)測的抗壓強度如圖4.4所示，紅色代表實際強

【參考文獻】：
期刊論文
[1]關(guān)于深度學(xué)習(xí)的綜述與討論[J]. 胡越,羅東陽,花奎,路海明,張學(xué)工.  智能系統(tǒng)學(xué)報. 2019(01)
[2]基于TensorFlow進行股票預(yù)測的深度學(xué)習(xí)模型的設(shè)計與實現(xiàn)[J]. 韓山杰,談世哲.  計算機應(yīng)用與軟件. 2018(06)
[3]混凝土配比過程的專家系統(tǒng)設(shè)計[J]. 張忠武,周宇,孟祥華.  佳木斯大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[4]基于深度學(xué)習(xí)的短時交通流預(yù)測研究[J]. 王祥雪,許倫輝.  交通運輸系統(tǒng)工程與信息. 2018(01)
[5]基于灰色關(guān)聯(lián)分析的極限學(xué)習(xí)機在混凝土抗壓強度預(yù)測分析中的應(yīng)用[J]. 王江榮.  水泥工程. 2017(03)
[6]基于深度學(xué)習(xí)的用戶投訴預(yù)測模型研究[J]. 周文杰,嚴建峰,楊璐.  計算機應(yīng)用研究. 2017(05)
[7]論混凝土配合比設(shè)計發(fā)展思路[J]. 劉勇.  科技創(chuàng)新與應(yīng)用. 2016(19)
[8]基于深度學(xué)習(xí)的交通擁堵預(yù)測模型研究[J]. 譚娟,王勝春.  計算機應(yīng)用研究. 2015(10)
[9]混凝土配合比設(shè)計及強度預(yù)測[J]. 曹興龍,王起才,鮑學(xué)英.  硅酸鹽通報. 2015(03)
[10]基于人工智能的混凝土配合比優(yōu)化設(shè)計[J]. 徐毅慧.  漳州職業(yè)技術(shù)學(xué)院學(xué)報. 2011(04)

碩士論文
[1]基于深度學(xué)習(xí)的氣象溫度預(yù)測研究[D]. 劉鑫達.寧夏大學(xué) 2016



本文編號：3242303