高强混凝土强度预测的高斯过程机器学习模型

《高强混凝土强度预测的高斯过程机器学习模型》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11期【总第265期)混凝土理论研究Number11in2011(TomlNo．265)ConcreteTHEORETICALRESEARCHdoi：10．3969~．issn．1002-3550．2011．11．006高强混凝土强度预测的高斯过程机器学习模型张研，苏国韶。燕柳斌(广西大学土木建筑工程学院，广西南宁530004)摘要：高强混凝土强度与其影响因素之间存在着复杂的非线性关系，针对现有方法的局限性，建立了基于高斯过程机器学习的高强混凝土强度预测模型。该模型采用高斯过程机器学习方法对少量试验样本的测试结

2、果进行学习，就可以建立高强混凝土强度与其影响因素之间的复杂非线性映射关系。研究结果表明：高强混凝土强度预测的高斯过程机器学习模型是可行的，具有预测精度高、适用性强、参数自适应化且易于实现的优点。关键词：高强混凝土；高斯过程；机器学习；强度预测中图分类号：TU528．01文献标志码：A文章编号：1002—3550(2011)11—0018-03StrengthpredictionofhighstrengthconcreteusingGaussianprocessmachinelearningZI-~NGYon，SUGuo—shao，YANLiu—bin(Sch

3、oolofCivilandArchitectureEngineering，GuangxiUniversity，Narming530004，China)Abstract：Aimingtothefactthatitisstilldifficulttoreasonablydeterminethestrengthofhighstrengthconcrete，themodelbasedO1Gaussianprocess(GP)machinelearningisproposedforforecastingofstrengthofhighstrengthconcrete．

4、Accordingtothelearningsamples，thenonlinearmappingrelationshipbetweenstrengthanditsinfluencingfactorsisestablishedbyGPmode1．Themodelisappliedtoarealengineering．There—suitsofcasestudyshowthatGPmodelisfeasible，effectiveandsimpletoimplementforforecastingofstrengthofhighs~engthconcrete．

5、Ithasmeritsofself-adaptiveparametersdeterminationandexcellentcapacityforsolvingnon-linearproblems．Keywords：hi曲strengthconcrete；gaussianprocess；machinelearning；strengthforecast0引言1高斯过程的基本原理高强混凝土是将凝胶材料、水、骨料和减水剂、活性矿物材料在机器学习领域中，GP是指在高斯随机过程与贝叶斯学习按一定比例配合、拌制而成的混合材料，其强度受众多因素影响[1j。理论基础上发展起来

6、的一种机器学习方法。而在统计学理论中，各种因素相互关联，表现出复杂的非线性关系，传统的线性函数如GP是这样的一个随机过程：其任意有限变量集合的分布都是鲍罗米公式已不再适用。目前确定混凝土抗压强度的方法一般是高斯分布，即对任意整数n≥1及任意的一族随机变量，与其在基准混凝土配合比的基础上，保持水胶比或砂率不变，然后不断对应的t时刻的过程状态)的联合概率分布服从n维高斯调整胶料和骨料。这种方法不仅耗费大量原材料，而且也浪费大量分布。GP的全部统计特征完全由它的均值m(￡)和协方差函数的人力和时间口。近年来，一些学者将灰色理论[31、模糊系统方法k(t，t)来确定

7、，其定义式表示如下：等不确定陛方法及神经网络(ANN)嘟、支持向量机(svM)同等机器厂【t)~GP[m(t)，k(t，t)】(1)学习方法应用于高强混凝土强度预测，取得了不少有价值的研假设有n个观察数据的训练集D={(％)1i=1，⋯，n)，是究成果，但这些方法本身仍存在着一些不完善之处，如ANN网络d维输入矢量，观察目标值∈R。如果表示dxn维输入矩阵，结构的选择多凭经验，SVM的核函数、核函数参数和损失函数难，，表示输出矢量，那么训练集D=(，y)。以确定等。为此，探讨新的有效预测方法是很有必要的。对于新的输入，GP模型的任务是根据先验知识预测出高斯过

8、程(Gaussianprocess，GP)是基于统计