本發(fā)明涉及混凝土性能預(yù)測(cè)，具體涉及一種基于機(jī)器學(xué)習(xí)的超高性能混凝土高溫后殘余抗壓強(qiáng)度預(yù)測(cè)方法。

背景技術(shù)：

1、超高性能混凝土是一種新型混凝土,主要由水泥、摻和料、細(xì)骨料、纖維等組成，具有超高的力學(xué)性能和韌性以及優(yōu)異的耐久性能。uhpc廣泛用于橋梁建筑、高層建筑、海灣建筑、隧道工程等領(lǐng)域，成為了當(dāng)代建筑不可缺少的建筑材料。

2、經(jīng)中國(guó)消防統(tǒng)計(jì)，2024年1-5月全國(guó)已接報(bào)火災(zāi)45萬(wàn)起，其中建筑火災(zāi)的比例占比最高，共有13.8萬(wàn)起。隨著時(shí)代的發(fā)展，我國(guó)的高層建筑占比逐年增加，當(dāng)發(fā)生火災(zāi)，會(huì)嚴(yán)重影響高層建筑的整體穩(wěn)定性，甚至?xí)菇Y(jié)構(gòu)發(fā)生連續(xù)性倒塌。這會(huì)造成巨大的經(jīng)濟(jì)損失和嚴(yán)重的人員傷亡，因此亟待對(duì)建筑材料的抗火性能進(jìn)行有效預(yù)測(cè)。

3、超高性能混凝土特別容易受到溫度的影響，這是因?yàn)殡S著混凝土強(qiáng)度的上升，混凝土的致密性就會(huì)越好，孔隙率就會(huì)越低。在高溫下很容易產(chǎn)生較大的孔隙壓力，其高溫爆裂的風(fēng)險(xiǎn)相對(duì)來(lái)說(shuō)更高。另外，其材料密度的增加，滲透率較低，在極端的高溫下孔隙壓力就會(huì)越大，更容易發(fā)生脆性破壞。同時(shí)，抗火試驗(yàn)需要耗費(fèi)大量的時(shí)間和金錢(qián)，很難對(duì)每個(gè)工程的抗火性能進(jìn)行有效的評(píng)估。為了提高材料的抗火性能，使其在發(fā)生火災(zāi)后有較好的承載能力，預(yù)測(cè)超高性能混凝土火災(zāi)后的殘余抗壓強(qiáng)度是非常重要的。

4、在過(guò)去的幾十年里，隨著人工智能技術(shù)的迅猛發(fā)展，機(jī)器學(xué)習(xí)模型廣泛用于各個(gè)領(lǐng)域，許多復(fù)雜的試驗(yàn)難于解決的土木工程問(wèn)題，在機(jī)器學(xué)習(xí)模型的協(xié)助下得到了有效的解決?？衫脵C(jī)器學(xué)習(xí)對(duì)超高性能混凝土的高溫后殘余抗壓強(qiáng)度進(jìn)行預(yù)測(cè)。

5、超高性能混凝土在火災(zāi)下的反應(yīng)較為復(fù)雜，不僅會(huì)發(fā)生復(fù)雜的化學(xué)反應(yīng)，也會(huì)受到超高性能混凝土材料的物理特征變化的影響。因此，在預(yù)測(cè)超高性能混凝土殘余抗壓強(qiáng)度時(shí)，很難推出較為準(zhǔn)確的公式?，F(xiàn)有的技術(shù)主要采用熱傳導(dǎo)模型對(duì)超高性能混凝土的抗火性能進(jìn)行預(yù)測(cè)分析，熱傳導(dǎo)模型是通過(guò)考慮超高性能混凝土的導(dǎo)熱系數(shù)、比熱容、密度等熱物理特性，以及火災(zāi)溫度分布和持續(xù)時(shí)間，通過(guò)abaqus軟件可以模擬出超高性能混凝土內(nèi)部的溫度變化。這些溫度數(shù)據(jù)可以用于評(píng)估超高性能混凝土的損傷程度和抗火性能。其模型預(yù)測(cè)過(guò)程較為復(fù)雜，且準(zhǔn)確度不高。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)中存在的不足，本發(fā)明的目的在于提供一種基于機(jī)器學(xué)習(xí)的超高性能混凝土高溫后殘余抗壓強(qiáng)度預(yù)測(cè)方法，本發(fā)明利用機(jī)器學(xué)習(xí)，只需要收集相關(guān)的抗火數(shù)據(jù)，對(duì)模型進(jìn)行有效的訓(xùn)練，其預(yù)測(cè)超高性能混凝土殘余抗壓強(qiáng)度有較高的準(zhǔn)確度同時(shí)，也可以有效的觀測(cè)到各種材料對(duì)超高性能混凝土殘余抗壓強(qiáng)度影響程度，促進(jìn)超高性能混凝土抗火性能的研究與發(fā)展。

2、為實(shí)現(xiàn)上述目的，本發(fā)明通過(guò)下述技術(shù)方案實(shí)現(xiàn)：

3、一種基于機(jī)器學(xué)習(xí)的超高性能混凝土高溫后殘余抗壓強(qiáng)度預(yù)測(cè)方法，包括以下步驟：

4、步驟1、建立數(shù)據(jù)集：通過(guò)收集國(guó)內(nèi)外公開(kāi)發(fā)表文獻(xiàn)，并根據(jù)文獻(xiàn)中數(shù)據(jù)情況以及抗火的原理，選擇對(duì)超高性能混凝土殘余抗壓強(qiáng)度影響較大的輸入?yún)?shù)，進(jìn)而建立超高性能混凝土殘余抗壓強(qiáng)度的數(shù)據(jù)集；

5、步驟2、建立最優(yōu)預(yù)測(cè)模型：基于所述數(shù)據(jù)集，采用多種不同機(jī)器學(xué)習(xí)算法進(jìn)行訓(xùn)練，選擇訓(xùn)練效果最好的機(jī)器學(xué)習(xí)算法作為最優(yōu)預(yù)測(cè)模型；

6、步驟3、將所述數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，帶入到最優(yōu)預(yù)測(cè)模型中；

7、步驟4、根據(jù)輸入的參數(shù)以及最優(yōu)預(yù)測(cè)模型的參數(shù)特性，對(duì)最優(yōu)預(yù)測(cè)模型進(jìn)行參數(shù)調(diào)優(yōu)；

8、步驟5、殘余抗壓強(qiáng)度預(yù)測(cè)：將待預(yù)測(cè)超高性能混凝土的參數(shù)輸入到最優(yōu)預(yù)測(cè)模型中，得到殘余抗壓強(qiáng)度的預(yù)測(cè)值。

9、上述方案中，通過(guò)使用多種機(jī)器學(xué)習(xí)算法進(jìn)行訓(xùn)練，并選擇最優(yōu)預(yù)測(cè)模型，能夠更準(zhǔn)確地預(yù)測(cè)uhpc在高溫條件下的殘余抗壓強(qiáng)度，有助于減少實(shí)驗(yàn)成本，加快新材料的研發(fā)進(jìn)程，同時(shí)提高預(yù)測(cè)的準(zhǔn)確性。

10、作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟1中，所述輸入?yún)?shù)包括以下材料：水、水泥、硅灰、粉煤灰、礦粉、粗骨料、細(xì)骨料、減水劑、鋼纖維、合成纖維、升溫速率、恒溫時(shí)間、試件尺寸、常溫下的抗壓強(qiáng)度、溫度。

11、上述方案中，明確了輸入?yún)?shù)的具體內(nèi)容，確保了數(shù)據(jù)集的全面性和可靠性，通過(guò)涵蓋所有關(guān)鍵變量，能夠更準(zhǔn)確地反映超高性能混凝土在高溫條件下的行為。

12、作為本發(fā)明的進(jìn)一步優(yōu)化方案，所述輸入?yún)?shù)中水、水泥、硅灰、粉煤灰、礦粉、粗骨料、細(xì)骨料、減水劑、鋼纖維、合成纖維的單位為kg/m3；升溫速率的單位為℃/min；恒溫時(shí)間的單位為h；試件尺寸的單位為mm；常溫下的抗壓強(qiáng)度單位為mpa；溫度的單位為℃。

13、上述方案中，規(guī)定了輸入?yún)?shù)的單位，確保了數(shù)據(jù)的一致性和標(biāo)準(zhǔn)化；有利于提高模型的可比性和可重復(fù)性，確保預(yù)測(cè)結(jié)果的準(zhǔn)確性。

14、作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟2中，采用五折交叉驗(yàn)證技術(shù)對(duì)多種不同機(jī)器學(xué)習(xí)算法進(jìn)行訓(xùn)練，得到最優(yōu)預(yù)測(cè)模型。

15、作為本發(fā)明的進(jìn)一步優(yōu)化方案，所述五折交叉驗(yàn)證技術(shù)包括：將步驟1中的數(shù)據(jù)集隨機(jī)分為五部分，依次選取五部分中的一部分用來(lái)訓(xùn)練，剩下的四部分用來(lái)測(cè)試，訓(xùn)練得到多種不同機(jī)器學(xué)習(xí)算法的五個(gè)決定系數(shù)，取決定系數(shù)的平均值，平均值最接近1的機(jī)器學(xué)習(xí)算法作為最優(yōu)預(yù)測(cè)模型。

16、上述方案中，采用了五折交叉驗(yàn)證技術(shù)進(jìn)行模型訓(xùn)練，提高了模型的穩(wěn)定性和泛化能力；通過(guò)多次訓(xùn)練和測(cè)試，能夠更準(zhǔn)確地評(píng)估模型的性能，并減少過(guò)擬合的風(fēng)險(xiǎn)。

17、作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟2中，所述多種不同機(jī)器學(xué)習(xí)算法包括極限梯度提升算法(xgboost)、支持向量機(jī)算法(svm)、隨機(jī)森林算法(rf)和提升決策樹(shù)算法(lsboost)。

18、上述方案中，列舉了多種不同的機(jī)器學(xué)習(xí)算法，提供了豐富的選擇范圍；通過(guò)比較多種算法的效果，能夠選擇最適合當(dāng)前任務(wù)的最佳模型。

19、作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟3中，所述訓(xùn)練集用于得到超高性能混凝土殘余抗壓強(qiáng)度的最優(yōu)預(yù)測(cè)模型，所述驗(yàn)證集用于調(diào)整最優(yōu)預(yù)測(cè)模型的超參數(shù)、評(píng)估模型的泛化能力、防止過(guò)擬合，所述測(cè)試集用于評(píng)估最優(yōu)預(yù)測(cè)模型的最終結(jié)果。

20、作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟3中，所述訓(xùn)練集占數(shù)據(jù)集的70％，所述驗(yàn)證集和所述測(cè)試集各占數(shù)據(jù)集的15％。

21、上述方案中，明確了訓(xùn)練集、驗(yàn)證集和測(cè)試集的用途，確保了模型訓(xùn)練的有效性和評(píng)估的準(zhǔn)確性；通過(guò)合理的數(shù)據(jù)劃分，能夠有效地評(píng)估模型的性能，并防止過(guò)擬合現(xiàn)象的發(fā)生。

22、作為本發(fā)明的進(jìn)一步優(yōu)化方案，步驟4中，極限梯度提升算法作為最優(yōu)預(yù)測(cè)模型，其參數(shù)的調(diào)整分為通用參數(shù)、booster參數(shù)和學(xué)習(xí)目標(biāo)參數(shù)，所述通用參數(shù)是由宏觀函數(shù)控制，所述booster參數(shù)則是控制每一步的booster，所述學(xué)習(xí)目標(biāo)參數(shù)為控制訓(xùn)練目標(biāo)的表現(xiàn)；對(duì)于所述通用參數(shù)通常采用默認(rèn)值，所述學(xué)習(xí)目標(biāo)參數(shù)和所述booster參數(shù)需要根據(jù)數(shù)據(jù)集的參數(shù)選擇情況進(jìn)行合適的調(diào)優(yōu)。

23、上述方案中，詳細(xì)說(shuō)明了極限梯度提升算法作為最優(yōu)預(yù)測(cè)模型時(shí)的參數(shù)調(diào)整方法；通過(guò)精細(xì)化的參數(shù)調(diào)整，能夠提高模型的預(yù)測(cè)性能，確保模型在實(shí)際應(yīng)用中的有效性。

24、與現(xiàn)有技術(shù)相比，本發(fā)明取得的有益效果有：

25、(1)本發(fā)明通過(guò)對(duì)比多種不同機(jī)器學(xué)習(xí)算法，找到適用于預(yù)測(cè)超高性能混凝土殘余抗壓強(qiáng)度的最佳機(jī)器學(xué)習(xí)算法，得到了最優(yōu)的超高性能混凝土殘余抗壓強(qiáng)度的預(yù)測(cè)模型，能夠更準(zhǔn)確地預(yù)測(cè)uhpc在高溫條件下的殘余抗壓強(qiáng)度。通過(guò)五折交叉驗(yàn)證技術(shù)進(jìn)行模型訓(xùn)練，不僅能夠提高模型的準(zhǔn)確性，還能夠有效評(píng)估模型的泛化能力，減少過(guò)擬合的風(fēng)險(xiǎn)。通過(guò)細(xì)致的參數(shù)調(diào)整過(guò)程，尤其是針對(duì)極限梯度提升算法的參數(shù)優(yōu)化，能夠進(jìn)一步提高預(yù)測(cè)模型的精度和穩(wěn)定性。

26、(2)本發(fā)明通過(guò)收集國(guó)內(nèi)外公開(kāi)發(fā)表的論文文獻(xiàn)作為數(shù)據(jù)集，其訓(xùn)練出的模型具有更為普遍的適用性。該方法依賴(lài)于大量的實(shí)驗(yàn)數(shù)據(jù)，通過(guò)對(duì)這些數(shù)據(jù)的分析和建模，能夠得到更為可靠的預(yù)測(cè)結(jié)果，這比傳統(tǒng)的經(jīng)驗(yàn)公式或理論計(jì)算更具有實(shí)際應(yīng)用價(jià)值。其輸入?yún)?shù)都較為容易獲取，可以為超高性能混凝土的抗火性能試驗(yàn)提供參考。