【技術實現步驟摘要】
本專利技術屬于地下工程新型減震材料(橡膠-砂混凝土)單軸抗壓強度的智能預測，具體涉及基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法。
技術介紹
1、對于適用于地下工程結構減震設計的材料而言，通常需要具有質輕、低彈模和高阻尼的特點。近年來，柔性減震技術成為隧道結構震害控制的研究熱點，相應的減震材料的研究成果也十分豐富。而廢棄輪胎中的橡膠具有較高的彈性性能和良好的阻尼特性，將廢棄輪胎進行回收利用，研制橡膠-砂混凝土減震材料具有十分重要的意義。地下工程減震材料需要有很好耗能減震性能的同時還需要具有一定的強度支撐結構穩定，因此橡膠-砂混凝土材料的單軸抗壓強度是判斷材料能夠作為地下工程減震材料的重要指標之一，對橡膠-砂混凝土單軸抗壓強度進行預測具有重要的現實價值和科學意義。
2、目前，國內外學者在研究橡膠-砂混凝土材料力學性能時多采用實驗研究的手段，但是實驗所需要大量的制作試樣以及冗長的試驗測試過程都是極其耗費時間、人力和財力成本的。亦有學者通過構建經驗公式的方法來預測橡膠-砂混凝土材料的單軸抗壓強度，但是這種方法存在離散大，難以保證預測結果精度的弊端。隨著計算機技術的飛躍以及人工智能算法的發展，也有不少研究將智能算法應用到材料力學性能預測領域。常見的算法主要有人工神經網絡、隨機森林、極致梯度提升算法等，但這些單一的智能算法模型都存在學習速度慢，預測精度難以滿足要求等問題。
3、因此，對于橡膠-砂混凝土單軸抗壓強度預測領域亟需提出一種新的智能預測方法，能夠實現對橡膠-砂混凝土單軸抗壓強度進行高效精準的智能預測，
技術實現思路
1、本專利技術的目的在于針對現有技術存在的上述問題，提供了基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，實現對橡膠-砂混凝土單軸抗壓強度的高效精準預測，為新型減震材料的研發和性能研究提供支撐。
2、本專利技術的上述目的通過以下技術手段實現：
3、基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，包括以下步驟：
4、步驟1：進行橡膠-砂混凝土單軸抗壓試驗，采集不同實驗參數對應的實際橡膠-砂混凝土單軸抗壓強度作為實際輸出特征值，每次橡膠-砂混凝土單軸抗壓試驗所對應的一組實驗參數記為輸入特征組；
5、步驟2：對輸入特征組的輸入特征的種類進行篩選，利用篩選種類后的輸入特征組構建訓練集和測試集；
6、步驟3：構建基于獅群優化的反向傳播神經網絡，并利用訓練集對基于獅群優化的反向傳播神經網絡進行訓練，獲得訓練完成的基于獅群優化的反向傳播神經網絡；
7、步驟4、利用訓練完成的基于獅群優化的反向傳播神經網絡對待處理輸入特征組進行預測，獲得預測輸出特征值。
8、如上所述步驟2包括以下步驟：
9、步驟2.1：根據步驟1獲得的各個輸入特征組構成初始數據集，根據初始數據集構建陰影數據集；
10、步驟2.2：利用預測模型確定陰影數據集中各類的輸入特征的重要性得分，并根據各類的輸入特征的重要性得分獲取最大重要性得分，將上述最大重要性得分設定為重要性得分閾值；
11、步驟2.3：利用預測模型確定初始數據集中各類輸入特征的重要性得分，篩選出初始數據集中重要性得分大于重要性得分閾值的輸入特征的種類；
12、步驟2.4：根據步驟2.3在初始數據集中篩選出的各類輸入特征，繪制各類輸入特征基于皮爾遜內相關檢驗的相關系數圖，計算各類輸入特征的內相關系數，并在初始數據集的各個輸入特征組中，遍歷各類輸入特征，若當前遍歷種類的輸入特征與其他種類的內相關系數高于設定內相關系數閾值，且高于設定內相關系數閾值的其他種類數大于等于設定個數值，剔除該遍歷種類的輸入特征，獲得初始數據集中篩選后的輸入特征組，利用初始數據集篩選后的輸入特征組構建訓練集和測試集。
13、如上所述根據初始數據集構建陰影數據包括：
14、陰影數據集為二維矩陣，每列代表對應的輸入特征種類，每行的各個輸入特征構成一個輸入特征組，陰影數據集中的輸入特征組中輸入特征的種類和初始數據集中的輸入特征組的輸入特征的種類相同，隨機打亂初始數據集中各類輸入特征值，對于每類隨機打亂的各個輸入特征，按照打亂后的順序對應輸入到陰影數據集中對應列的各個輸入特征中。
15、如上所述利用訓練集對基于獅群優化的反向傳播神經網絡進行訓練包括以下步驟：
16、構建獅子個體和狩獵邊界的獅群模型，獅子個體分別被賦予一組權重和閾值，基于獅子個體的對應的權重和閾值，為反向傳播神經網絡分配權重和閾值，將訓練集中的輸入特征組輸入到反向傳播神經網絡，反向傳播神經網絡輸出對應的預測輸出特征值，將預測輸出特征值與對應的實際輸出特征值的誤差值轉化為適應度，計算各獅子個體的適應度；通過改變獅群個體數量，獅群模型對反向傳播神經網絡的權重和閾值進行更新；最終在全部迭代次數完成后，將最小且在迭代完成前不再發生變化或變化率小于設定閾值的適應度值對應的種群規模記錄為最佳獅群，將最佳獅群中獅王對應的權重和閾值作為反向傳播神經網絡模型中的最佳權重和最佳閾值。
17、如上所述步驟3中反向傳播神經網絡包括輸入層、隱藏層和輸出層。
18、基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，還包括利用均方根誤差rmse、相關系數r、確定系數r2、平均絕對誤差mae、均方誤差mse和平方誤差sse評價基于獅群優化的反向傳播神經網絡的預測輸出特征值和對應的實際輸出特征值的差異。
19、如上所述均方根誤差rmse基于以下公式：
20、
21、所述相關系數r基于以下公式：
22、
23、所述確定系數r2基于以下公式：
24、
25、所述平均絕對誤差mae基于以下公式：
26、
27、所述均方誤差mse基于以下公式：
28、
29、所述平方誤差sse基于以下公式：
30、
31、其中，n表示測試集中輸入特征組數量；和yi分別代表輸入特征組對應的預測輸出特征值和輸入特征組對應的實際輸出特征值；和分別代表輸入特征組對應的預測輸出特征值的平均值和輸入特征組對應的實際輸出特征值的平均值。
32、本專利技術相對于現有技術，具有以下有益效果：
33、本專利技術利用獅群模型對反向傳播神經網絡進行優化建立混合智能預測模型，充分利用不同智能算法的特點，加快了訓練的速度和提高了預測的精度，為實現橡膠-砂混凝土單軸抗壓強度的預測提供了一種快捷高效精準的方法，本專利技術理論成熟，算法簡潔，在本
內具有廣泛的適用及實用性。
【技術保護點】
1.基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，其特征在于，包括以下步驟：
2.根據權利要求1中所述基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，其特征在于，所述步驟2包括以下步驟：
3.根據權利要求2中所述基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，其特征在于，所述根據初始數據集構建陰影數據包括：
4.根據權利要求3中所述基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，其特征在于，所述利用訓練集對基于獅群優化的反向傳播神經網絡進行訓練包括以下步驟：
5.根據權利要求1中所述基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，其特征在于，所述步驟3中反向傳播神經網絡包括輸入層、隱藏層和輸出層。
6.根據權利要求5中所述基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，其特征在于，還包括利用均方根誤差RMSE、相關系數R、確定系數R2、平均絕對誤差MAE、均方誤差MSE和平方誤差SSE評價基于獅群優化的反向傳播神經網絡的預測輸出特征值和對應的實際輸出特征值的差異。
7.根據權利要求6
...【技術特征摘要】
1.基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，其特征在于，包括以下步驟：
2.根據權利要求1中所述基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，其特征在于，所述步驟2包括以下步驟：
3.根據權利要求2中所述基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，其特征在于，所述根據初始數據集構建陰影數據包括：
4.根據權利要求3中所述基于混合智能模型的橡膠砂混凝土單軸抗壓強度預測方法，其特征在于，所述利用訓練集對基于獅群優化的反向傳播神經網絡進行訓練包括以下步驟：
5.根據權利要求1中...
【專利技術屬性】
技術研發人員：梅賢丞，李傳奇，崔臻，丁長棟，張佳敏，盛謙，
申請(專利權)人：中國科學院武漢巖土力學研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。