本發(fā)明涉及混凝土耐久性研究領(lǐng)域，是一種海洋環(huán)境服役下混凝土耐久性能預(yù)測模型模型參數(shù)確定方法。

背景技術(shù)：

作為重大基礎(chǔ)設(shè)施建設(shè)的主體材料，混凝土材料性能及其時(shí)變性直接影響重大基礎(chǔ)工程的服役性能與服役壽命。對于海洋混凝土的性能已經(jīng)有大量的研究，混凝土本身因素和所處環(huán)境因素都將對混凝土后期的性能產(chǎn)生影響，混凝土的最終強(qiáng)度受到多種影響因素的綜合作用，影響機(jī)制復(fù)雜，且影響因素之間也彼此交叉影響。已有的研究中涉及到不同的因素影響，研究側(cè)重點(diǎn)不同，研究結(jié)果通常只適用于某些特定的條件下。

嚴(yán)酷環(huán)境下混凝土耐久性能和服役壽命的預(yù)測方法眾多，其中人工神經(jīng)網(wǎng)絡(luò)，BP支持向量機(jī)等預(yù)測方法的應(yīng)用廣泛。人工神經(jīng)網(wǎng)絡(luò)(Neural Networks,NN)是由大量簡單的神經(jīng)元廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它具備相當(dāng)人腦功能的一些基本特征，是一個(gè)基于黑匣子運(yùn)算的復(fù)雜的系統(tǒng)，可以用于運(yùn)算多因素非線性關(guān)系的計(jì)算模型。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式存儲(chǔ)和處理、自組織、自適應(yīng)和自學(xué)能力，特別適合處理需要同時(shí)考慮許多因素和條件的、不精確和模糊的信息處理問題。基于數(shù)據(jù)的機(jī)器學(xué)習(xí)是現(xiàn)代智能技術(shù)中的重要方面，在以黑匣子操作為基礎(chǔ)的模型中，預(yù)測節(jié)點(diǎn)的選擇尤為重要。比如，以水泥強(qiáng)度、水泥、砂、碎石單位用量、水灰比以及碎石最大粒徑作為輸入?yún)⒘?，同條件養(yǎng)護(hù)試件的等效養(yǎng)護(hù)齡期強(qiáng)度作為輸出參量，可以利用神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行預(yù)測，神經(jīng)網(wǎng)絡(luò)解決了混凝土抗壓強(qiáng)度這個(gè)多元化、非線性、涉及面廣、綜合性強(qiáng)的問題的預(yù)測。綜合考慮混凝土本身的影響因素和外界的環(huán)境因素，通過建立神經(jīng)網(wǎng)絡(luò)模型對混凝土的劣化做出預(yù)測，并且能通過統(tǒng)計(jì)的手段找到混凝土性能力惡化的主要因素。

在以上的預(yù)測過程中，預(yù)測模型的節(jié)點(diǎn)選擇直接關(guān)系到模型建立是否可靠，對于目前影響因素復(fù)雜的海洋環(huán)境混凝土的后期性能的預(yù)測，選擇正確的因素節(jié)點(diǎn)既可以提高預(yù)測模型的精度和可靠性，也可以提高模型預(yù)測的效率，從而建立高效精準(zhǔn)的海洋混凝土性能預(yù)測模型。目前，對于因素的確定和數(shù)據(jù)的選擇存在一定的局限性，對于模型建立時(shí)的數(shù)據(jù)獲取主要都是通過研究人員的試驗(yàn)獲得，不具有代表性，通常只能適用于單一的預(yù)測模型，適用范圍狹窄。同時(shí)，神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)各因素對指標(biāo)的影響程度不同，通過增加權(quán)重系數(shù)的修正可以實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)運(yùn)算的高效化和簡易化。該權(quán)重系數(shù)的選擇需要與實(shí)際環(huán)境中各因素對指標(biāo)的影響程度進(jìn)行確定，灰色關(guān)聯(lián)系數(shù)可用于衡量該影響程度。在神經(jīng)網(wǎng)絡(luò)的建模過程中，使用灰色關(guān)聯(lián)系數(shù)值作為權(quán)重系數(shù)進(jìn)行修正可以較好地實(shí)現(xiàn)海洋環(huán)境中混凝土的后期性能的預(yù)測。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是針對現(xiàn)有技術(shù)中存在的因素選擇不全面，數(shù)據(jù)量不充分，從而導(dǎo)致最終建模存在不準(zhǔn)確，泛化能力低，精度不夠，適用性，處理協(xié)調(diào)多因素能力差的問題，提供一種基于灰色關(guān)聯(lián)的海洋混凝土耐久性能預(yù)測模型參數(shù)確定方法。

為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

一種基于灰色關(guān)聯(lián)的海洋混凝土耐久性能預(yù)測模型參數(shù)確定方法，包括如下步驟：

步驟一，以海洋混凝土的某個(gè)性能指標(biāo)作為目標(biāo)函數(shù)，從已有的文獻(xiàn)中篩選出該目標(biāo)函數(shù)的影響因素參數(shù)；

步驟二，將步驟一篩選出的參數(shù)的數(shù)據(jù)進(jìn)行摘錄，整理成因素序列，將文獻(xiàn)中的目標(biāo)函數(shù)值整理成目標(biāo)序列；

步驟三，利用灰色關(guān)聯(lián)度分析理論對目標(biāo)序列和因素序列之間的關(guān)聯(lián)程度進(jìn)行計(jì)算，得到兩者的關(guān)聯(lián)系數(shù)值，確定影響目標(biāo)函數(shù)的影響因素權(quán)重；

步驟四，按照關(guān)聯(lián)系數(shù)值的大小對影響因素程度進(jìn)行排序，選擇影響程度的較大的值，作為后期預(yù)測模型指標(biāo)的選擇，并根據(jù)關(guān)聯(lián)系數(shù)的結(jié)果確定建模參數(shù)的權(quán)重；

步驟五，將上一步選擇的影響程度較大的因素值乘以其灰色關(guān)聯(lián)系數(shù)后帶入神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和運(yùn)算，實(shí)現(xiàn)指標(biāo)的預(yù)測。

步驟一中，參數(shù)獲取方法包括文獻(xiàn)數(shù)據(jù)直接摘錄，文獻(xiàn)圖表數(shù)據(jù)讀取以及數(shù)據(jù)推導(dǎo)。

文獻(xiàn)圖表數(shù)據(jù)讀取時(shí)，使用GetData軟件進(jìn)行讀取和摘錄，并利用Excel軟件摘錄整理。

步驟三中，利用公式計(jì)算關(guān)聯(lián)系數(shù)η(X_i)，其中X₀是目標(biāo)序列，X_i為相關(guān)因素序列，ρ為分辨系數(shù)。

步驟四中，選擇關(guān)聯(lián)系數(shù)大于平均系數(shù)的影響因素。

本發(fā)明的主要機(jī)理如下：灰色關(guān)聯(lián)理論的原理主要是通過兩序列之間的曲線相似程度來判別兩者之間的關(guān)聯(lián)度大小，或者說是兩序列的曲線的幾何形狀的差異程度。當(dāng)兩曲線的幾何形狀越接近時(shí)，序列之間的關(guān)聯(lián)度就越大，反之就越小。該方法對于離散程度較大無規(guī)律可循的樣本亦可以使用，計(jì)算方便。主要包括的計(jì)算步驟有目標(biāo)序列和因素序列確定，對數(shù)列進(jìn)行無量綱處理。利用公式計(jì)算灰色關(guān)聯(lián)系數(shù)η(X_i),其中X₀是目標(biāo)序列，X_i為相關(guān)因素序列，ρ為分辨系數(shù)。將該灰色關(guān)聯(lián)系數(shù)值作為權(quán)重系數(shù)帶入到計(jì)算模型中進(jìn)行修正，以提高模型的運(yùn)算效率。

有益效果：本發(fā)明以灰色關(guān)聯(lián)理論為分析方法，對目標(biāo)函數(shù)和子因素之間的相關(guān)系數(shù)進(jìn)行計(jì)算，數(shù)據(jù)來源于大量的文獻(xiàn)數(shù)據(jù)摘錄和文獻(xiàn)圖表的讀取。數(shù)據(jù)庫范圍廣泛，適用性強(qiáng)；數(shù)據(jù)獲取來源于大量國內(nèi)外文獻(xiàn)，文獻(xiàn)具有代表性和可靠性。本發(fā)明中尤其是對于材料因素的分析可以很好地實(shí)現(xiàn)對混凝土設(shè)計(jì)的指導(dǎo)，此外可以實(shí)現(xiàn)預(yù)測模型的節(jié)點(diǎn)選擇。本發(fā)明與現(xiàn)有的試驗(yàn)適配確定參數(shù)選擇相比，優(yōu)點(diǎn)為：第一，能夠極大程度上節(jié)約資源，減少試驗(yàn)，實(shí)現(xiàn)混凝土性能的預(yù)測分析；第二，相比較單一的研究，該方法基于各種條件下的試驗(yàn)數(shù)據(jù)，具有更好的普適性和可靠度。

附圖說明

圖1為實(shí)施例的步驟流程圖；

圖2為實(shí)施例中模型收斂的精度；

圖3為驗(yàn)證網(wǎng)絡(luò)的性能的仿真結(jié)果。

具體實(shí)施方式

下面對本發(fā)明的實(shí)施例作詳細(xì)說明：本實(shí)施案例是以本發(fā)明技術(shù)方案為前提的基礎(chǔ)下進(jìn)行實(shí)施，給出詳細(xì)的實(shí)施過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施案例：

實(shí)施例

基于灰色關(guān)聯(lián)系數(shù)的海洋水下區(qū)混凝土氯離子擴(kuò)散系數(shù)預(yù)測模型參數(shù)的權(quán)重計(jì)算。步驟如圖1，閱讀國內(nèi)外文獻(xiàn)，涉及國內(nèi)外文獻(xiàn)約40篇，選擇影響海洋混凝土氯離子擴(kuò)散系數(shù)的影響因素包括材料因素：原材料水膠比，養(yǎng)護(hù)時(shí)間，暴露前強(qiáng)度，粉煤灰和礦渣摻量，環(huán)境因素：氯離子濃度，硫酸根離子濃度，暴露溫度和暴露齡期。提取有效數(shù)據(jù)192組，如表1。對其進(jìn)行灰色關(guān)聯(lián)理論分析。通過計(jì)算得到各因素與目標(biāo)因素的灰色關(guān)聯(lián)系數(shù)值。具體數(shù)值如下：水膠比：0.686，養(yǎng)護(hù)時(shí)間：0.671，強(qiáng)度：0.706，粉煤灰摻量：0.580，礦粉摻量：0.656，氯離子濃度0.771，硫酸根離子濃度0.663，鎂離子濃度：0.657，加載值：0.583，溫度：0.667，暴露時(shí)間：0.691。結(jié)果得到：氯離子濃度>強(qiáng)度>暴露時(shí)間>水膠比>養(yǎng)護(hù)時(shí)間>溫度>硫酸根離子濃度>鎂離子濃度>礦粉摻量>荷載值>粉煤灰摻量。在這里考慮強(qiáng)度，氯離子濃度，暴露時(shí)間，硫酸根，鎂離子為主要影響因素，預(yù)測離子擴(kuò)散系數(shù)。權(quán)重系數(shù)值利用各個(gè)關(guān)聯(lián)系數(shù)與總關(guān)聯(lián)系數(shù)的比值確定，則各權(quán)重系數(shù)為。強(qiáng)度：0.202，氯離子濃度：0.221，暴露時(shí)間：0.198，硫酸根：0.191，鎂離子：0.188。選取68組數(shù)據(jù)，如表2，根據(jù)權(quán)重系數(shù)處理原始樣本可得到后期的訓(xùn)練樣本。并建立神經(jīng)網(wǎng)絡(luò)模型。

表1 192組數(shù)據(jù)整理摘錄表

表2權(quán)重系數(shù)處理后的68組樣本

圖2為模型收斂的精度，當(dāng)設(shè)置誤差為0.00001時(shí)，網(wǎng)絡(luò)在43部運(yùn)算時(shí)收斂，也就是說網(wǎng)絡(luò)可用；圖3驗(yàn)證網(wǎng)絡(luò)的性能，使用sim函數(shù)，仿真結(jié)果，然后把結(jié)果和目標(biāo)進(jìn)行擬合。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出：對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。