[发明专利]一种水泥强度预测模型的构建方法及水泥强度预测方法

说明书

本发明涉及水泥强度预测领域，具体公开了一种水泥强度预测模型的构建方法及水泥强度预测方法，包括：采集多个水泥样本质检数据集，每个质检数据集包括多个特征参数值；通过基于条件互信息的特征选择，将多个特征参数按照与水泥强度的相关度从大到小进行排序，调取每个水泥样本的质检数据中排序前m个参数的值，构成该水泥样本的特征集，基于所有水泥样本的特征集训练辅助预测模型；确定训练所得预测精度最高的辅助预测模型所对应的m值，并基于该m值对应的所有特征集，采用GA在每次训练迭代中同步调优待训练模型的多个参数，得到水泥强度预测模型。本发明用于训练水泥强度预测模型的训练样本较为合理，训练效率高，训练所得模型预测精度较高。

技术领域

本发明属于水泥强度预测领域，更具体地，涉及一种水泥强度预测模型的构建方法及水泥强度预测方法。

背景技术

水泥是建筑工程的基础原材料之一，在国民经济建设中具有重要的地位，如何有效控制水泥质量以及提高水泥生产效率，是每个水泥企业都关注的焦点。

水泥强度是用来衡量水泥质量的一个重要指标，目前水泥行业人员均将28天作为水泥强度基本稳定的龄期，并且将水泥28天强度作为通用水泥的代表强度。水泥等级是按照水泥强度高低划分的等级，一般等级的数值与水泥在稳定龄期的抗压强度相等，通用水泥的等级值为水泥28天龄期的最低抗压强度。按照水泥行业的要求，通用水泥检测周期长，至少需要28天，当用户对水泥需求很迫切但是水泥库存很少的时候，水泥公司显然不能等水泥经过28天检测强度后再发货给用户，因此如何快速预测28天水泥抗压强度就显得十分重要。如果能在很短的时间内准确预测出水泥28天抗压强度，将会加快公司的水泥出厂速度，提高公司资金周转速度。水泥强度预测是一个非常复杂的系统，比较普遍的方法是利用物理方法来探究水泥性能或者是利用数学方法来构造水泥强度与特征变量之间的函数关系。如今随着人工智能技术的不断发展，可以建立基于机器学习方法的水泥强度预测模型，实现水泥强度预测。

基于机器学习的方法进行水泥强度预测时，预测效果和准确性依赖于机器学习算法的参数优化以及训练集的选取，不同的参数和训练集训练出来的模型会有差异。

发明内容

本发明提供一种水泥强度预测模型的构建方法及水泥强度预测方法，用以解决现有水泥强度预测精确度不高的问题。

本发明解决上述技术问题的技术方案如下：一种水泥强度预测模型的构建方法，包括：

采集多个水泥样本的质检数据集，每个水泥样本的质检数据集包括水泥强度实际值和多个特征参数值；

通过基于条件互信息的特征选择，将多个特征参数按照与水泥强度的相关度从大到小进行排序，调取每个水泥样本的质检数据中排序前m个参数的值，构成该水泥样本的特征集，基于所有水泥样本的所述特征集和所述水泥强度实际值训练辅助预测模型；

确定训练所得预测精度最高的辅助预测模型所对应的m值，并基于各水泥样本的水泥强度实际值和该m值对应的特征集，采用遗传算法在每次训练迭代中同步调优待训练模型的多个参数，训练得到水泥强度预测模型。

本发明的有益效果是：本发明首先整理检验室的质检数据得到多个水泥样本的质检数据集，进一步通过特征参数排序，并采用辅助预测模型，进行特征选择，选出与水泥强度相关性较高的多个特征，得到各个水泥样本的特征集，通过以上步骤，最终得到的用于训练水泥强度预测模型的训练样本更加合理，训练出来的模型预测精度更高。另外，由于预测模型参数具体影响会随着训练数据的不同而有差异，本发明采用遗传算法同时得到最优的多个关键参数，而不是逐个参数进行优化，提高了参数优化效率和精度，进而极大提高水泥强度预测模型的自适应性和训练效率。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述多个特征参数包括比表面积、烧失量、稠度、初凝、终凝、一天抗折强度、一天抗压强度、三天抗折强度、三天抗压强度、氯离子质量分数、MgO质量分数、SO₃质量分数和CaO质量分数。