混凝土强度预测的两种非线性模型比较研究

混凝土强度预测的两种非线性模型比较研究

ID:32442925

大小:189.13 KB

页数:3页

时间:2019-02-04

混凝土强度预测的两种非线性模型比较研究_第1页
混凝土强度预测的两种非线性模型比较研究_第2页
混凝土强度预测的两种非线性模型比较研究_第3页
资源描述:

《混凝土强度预测的两种非线性模型比较研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、学兔兔www.xuetutu.com2011年第12期(总第266期)混凝土理论研究Number12in2011(TotalNo.266)ConcreteTHEORETICALRESEARCHdoi:10.39698.issn.1002-3550.2011.12.009混凝土强度预测的两种非线性模型比较研究朱学兵(宁波工程学院建筑工程学院,浙江宁波315000)摘要:混凝土的强度的预测是一个复杂的问题,受多种因素的影响。采用两种先进的非线性算法支持向量机与小波支持向量机,建立了混凝土强度预测的两种非线性预测方法。研究结果表明:两种方法的预测结果与实测结

2、果吻合较好,小波支持向量机的预测精度较支持向量机精度高,在混凝土的强度预测中具有较好的适应性。关键词:混凝土;非线性方法;强度预测中图分类号:TU528.Ol文献标志码:A文章编号:1002—3550(2011)12—0028—03StrengthpredictionofhighstrengthconcreteusingtwononlinearmethodsZHUXue—bing(NingboUniversityofTechnology~stimteofArchitecturalEngineering,Ningbo315000,China)Abstra

3、ct:Theconcretestrengthunderinfluenceofseveralfactorsiscomplicated.Basedonthetheoriesofsupportvectormachinesandwaveletsupportvectormachines,twolinearmodelsforpredictingconcretestrengthwereproposed.Thentwoapproachesarcappliedtopredictthecon-cretestrength.Furthermore.thepredictedre

4、sultsarecomparedwi也actualmeasured.Resultsshowstwomethodswereconsistwithmeasuredones.Itisfoundthatwaveletsupportvectormachinescanpredictthestrengthofhighstrengthconcretemoreaccuratelythantheapproachofsupportvectormachinesdoes.Proposedmethodsalequantitativeandconvenientanalyzingap

5、proach、Ⅳitllhiaccumcy.Theyarefeasibleinpredictingthestrengthofhighstrengthconcrete.KeyWOrds:concre~;nonlinearmethods;strengthforecast波支持向量机的原理和特点,并将其应用到混凝土强度预测中0引言并进行了实例验证。目前确定混凝土抗压强度的方法一般是在基准混凝土配1小波支持向量机合比的基础上,保持水胶比或砂率不变,然后不断调整胶料和骨料【1]。这种方法不仅耗费大量原材料,而且也浪费大量的人力根据泛函数有关理论,只要一种函数满足

6、Mercer条件,就能和时间。随着混凝土系统的复杂性和动态性不断加强,研究规模对应某一种变换空间中的内积,也就能作为支持向量机的核函数。不断加大,影响因素逐渐增多,如粉煤灰混凝土、高性能混凝土李元诚等从理论上证明了小波函数满足Mercer条件,可以作等新型混凝土,由于其影响因素更为复杂,甚至存在诸多因素为支持向量基的核函数,且小波函数近似正交,预测精度更高。的交互作用,线性函数已不再适用,往往表现为特定的非线性小波支持向量机是基于小波理论所构造的一种新的支持规律,尤其在探索混凝土强度影响因素与强度值之间的因果规向量机模型,它利用具有良好的局域化性质及时

7、域和频域分辨律时,建立解析数学模型是一件极其困难甚至难以实现的事。能力的小波函数代替传统的核函数,通过小波的伸缩和平移运近年来,很多学者在这方面做了研究,神经网络、遗传算法、粒算对函数或信号进行多尺度细化,提高了预测精度。子群算法等人工智能算法被引入到了位移反分析领域㈣。但是小波函数是指具有震荡特性、能迅速衰减到零的一类函数。这些方法或多或少存在不足:神经网络当学习样本数量有限时,基本小波函数h(x)按式(1)生成的函数族{^.()}卅是连续精度难以保证,学习样本过多时,又陷入维数灾难,泛化性能不小波。高。遗传算法和粒子群算法需要反复进行大量的正分析。

8、本文.()=—hfx-m1m∈R;口ER一{o}(1)针对上述缺陷,利用小波支持向量机(Wav

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。