[发明专利]一种利用机器学习预测充填材料强度参数的方法

权利要求书

1.一种利用机器学习预测充填材料强度参数的方法，其特征在于，包括步骤：

S1、收集已知充填材料的强度参数，确定对应的影响因素，建立数据集；

S2、对所有数据进行归一化处理，然后将处理后的数据集划分为训练集和测试集两部分；

S3、确定机器学习算法，在整个训练集上建立充填材料强度参数的初始预测模型，并测试该预测模型在测试集上的可靠性，直至预测精度满足要求，得到对应的目标预测模型；

S4、利用目标预测模型对未知充填材料进行强度预测。

2.根据权利要求1所述的利用机器学习预测充填材料强度参数的方法，其特征在于，所述步骤S1包括步骤：

S11、选取已知充填材料，确定充填实验方案；

S12、根据上述实验方案制备充填材料试样，并测量其强度参数；

S13、确定影响因素，并整理成数据集。

3.根据权利要求1或2所述的利用机器学习预测充填材料强度参数的方法，其特征在于，所述影响因素包括原材料性质、配比、质量浓度以及养护时间。

4.根据权利要求1所述的利用机器学习预测充填材料强度参数的方法，其特征在于，所述数据集划分的方法为随机划分或Kennard-Stone划分。

5.根据权利要求1或4所述的利用机器学习预测充填材料强度参数的方法，其特征在于，所述步骤S2中，所述训练集与所述测试集的比例通过收敛性计算得到。

6.根据权利要求1所述的利用机器学习预测充填材料强度参数的方法，其特征在于，所述步骤S3包括步骤：

S31、选择机器学习算法；

S32、利用训练集确定机器学习算法的超参数；

S33、用确定超参数后的机器学习算法在整个训练集上建立充填材料强度参数的初始预测模型，并在测试集上测试该预测模型的可靠性，直至预测精度满足要求，得到对应的目标预测模型。

7.根据权利要求1或6所述的利用机器学习预测充填材料强度参数的方法，其特征在于，所述机器学习算法为决策树、随机森林、神经网络、逻辑回归或支持向量机。

8.根据权利要求1或6所述的利用机器学习预测充填材料强度参数的方法，其特征在于，所述步骤S3中，可靠性评价指标包括相关系数R或均方根差RMSE。