[发明专利]基于AdaBoost算法的混凝土材料抗压强度预测方法

说明书

本发明公开了一种基于AdaBoost算法预测混凝土材料抗压强度的方法，首先搜集大量已有混凝土抗压强度试验数据作为训练集，将混凝土材料的各组分占比视为输入变量，混凝土材料的抗压强度作为输出变量，通过AdaBoost算法中的弱分类器对试验数据进行训练，根据训练结果的准确率来确定不同弱分类器的权重，加大预测误差率小的弱分类器的权重，降低预测误差率大的弱分类器的权重，从而将各弱分类器组合成预测精度较高的强分类器，可以直接根据输入的相关参数给出混凝土的抗压强度。本发明仅需要简单的数据搜集与机器学习方法应用，即可进行混凝土材料的抗压强度快速并精确的预测，便于结构设计、鉴定加固等专业人员的推广应用。

技术领域

本发明涉及材料抗压强度预测方法，具体涉及一种基于AdaBoost算法的混凝土材料抗压强度预测方法。

背景技术

混凝土材料具有取材容易、造价低廉、性能优越、耐久性高等优点，因此被广泛地应用于实际工程之中。目前，混凝土结构已经成为土木工程中占有比重最大的结构类型。混凝土材料的抗压强度，是混凝土结构设计的关键参数之一，严重关系着整体结构的安全性能。混凝土抗压强度的测定一般通过试验的方式，根据设计的配合比浇筑混凝土试块样本，并进行一定时间的养护，成型后进行强度试验以获得该混凝土的抗压强度。然而，这种方式过程繁琐、耗时久、资源消耗大，十分低效，不利于实际工程的应用。

发明内容

发明目的：本发明的目的是提供一种基于AdaBoost算法的混凝土材料抗压强度预测方法，解决用试验的方式测定混凝土抗压强度的耗时，低效，资源浪费的问题。

技术方案：本发明所述的基于AdaBoost算法的混凝土材料抗压强度预测方法，其特征在于，包括以下步骤：

(1)搜集N组的混凝土抗压强度的试验样本，获取每一组试验的混凝土材料组分信息与最终的抗压强度信息，将N组样本中，每组数据的混凝土材料配合比信息和养护信息作为输入变量X，抗压强度作为输出变量y；

(2)将N组试验样本作为训练集导入给AdaBoost算法，并初始化训练集的权重分布；

(3)进行多轮迭代以确定不同弱学习器的误差率e_t及权重α_t；

(4)按弱学习器的权重来组合各个弱学习器，得到最终的强学习器；

(5)在训练完成的强学习器中输入待求混凝土材料的配合比信息和养护信息得到该混凝土材料的抗压强度预测值。

其中，所述步骤(2)中初始化训练集的权重分布为：

D₁＝{ω₁,ω₂,…,ω_N},ω_i＝1/N,i＝1,2,…,N

式中，D₁为训练集样本的权重分布，训练集中ω_i为第i个样本的权重，即每个训练样本的权重均为1/N。

所述步骤(3)具体为：

设总体迭代T轮，对于第t轮迭代，选择基本弱学习器H_t(X)，并使用权重分布为D_t的训练集对其进行训练，计算该弱学习器在样本分布D_t上的误差率：

式中，e_t为本轮弱学习器的误差率，y_i为第i组样本的输出值，H_t(X_i)＝y_i表示对第i组样本训练正确，H_t(X_i)≠y_i表示对第i组样本训练错误；

然后计算该弱学习器在最终学习器中所占的权重α_t：