高强混凝土强度预测的高斯过程机器学习模型.pdf
《高强混凝土强度预测的高斯过程机器学习模型.pdf》由会员分享,可在线阅读,更多相关《高强混凝土强度预测的高斯过程机器学习模型.pdf(3页珍藏版)》请在咨信网上搜索。
1、2 0 1 1年 第 1 1期 【总 第 2 6 5 期 ) N u mb e r 1 1 i n 2 0 1 1 ( T o ml No 2 6 5 ) 混 凝 土 Co n c r e t e 理论研究 THEORETI CAL RES EARCH d o i : 1 0 3 9 6 9 i s s n 1 0 0 2 - 3 5 5 0 2 0 1 1 1 1 0 0 6 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 5 3 0 0 0 4 ) 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
2、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: T U 5 2 8 0 1 文献标志码: A 文章编号: 1 0 0 2 3 5 5 0 ( 2 0 1 1 ) 1 1 0 0 1 8 - 0 3 St r eng t h p r e
3、dic t i on o f hi g h s t r eng t h c onc r e t e us i ng Ga us s i an pr oc e ss ma ch i n e l e ar ni ng ZI- NG Yo n, SU Gu o s h a o , YAN Li u b i n ( S c h o o l o f Ci v i l a n dAr c h i t e c t u r eE n g i n e e r i n g , Gu a n g x i Un i v e r s i t y , Na r mi n g 5 3 0 0 0 4 , C h i n a
4、 ) A b s t r a ct: A i mi n g t o t h e f a c t t h a t i t i s s t i l l d i ffic u l t t o r e a s o n a b l y d e t e r mi n e t h e s t r e n g t h o f h i g h s t r e n gth c o n c r e t e , t h e mo d e l b a s e d O 1 Ga u s s i a n p r o c e s s( GP) ma c h i n e l e a r n i n g i s p r o p
5、o s e d f o r f o r e c a s t i n g o f s tr e n g t h o f h i g h s tr e n gth c o n c r e t e A c c o r d i n g t o t h e l e a rni n g s a mp l e s , t h e n o n l i n e a r ma p p i n g r e l a t i o n s h i p b e t we e n s t r e n gth a n d i t s i n fl u e n c i n g f a c t o r s i s e s t a
6、b l i s h e d b y G P mo d e 1 T h e mo d e l i s a p p l i e d t o a r e a l e n g i n e e ri n g T h e r e s u i t s o f c a s e s t u d y s h o w t h a t G P mo d e l i s f e a s i b l e , e ff e c t i v e a n d s i mp l e t o i mp l e me n t f o r f o r e c a s t i n g o f s t r e n gth o f h i
7、g h s e n g t h c o n c r e t e I t h a s me ri t s o f s e l f - a d a p t i v e p a r am e t e r s d e t e r mi n a t i o n a n d e x c e l l e n t c a p a c i ty for s o l v i n g n o n - l i n e a r p r o b l e ms K e ywo r d s : h i 曲 s t r e n gth c o n c r e t e ; g a u s s i a n p r o c e s
8、s ; ma c h i n e l e a rni n g ; s t r e n gthf o r e c a s t 0 引言 高强混凝土是将凝胶材料、 水、 骨料和减水剂、 活性矿物材料 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 1 j 。 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 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 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 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 的人力和时间口 。 近年来, 一些学者将灰色理论3 1 、 模糊系统方法 等不
9、确定陛方法及神经网络( AN N) 嘟 、 支持向量机( s v M) 同 等机器 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 究成果, 但这些方法本身仍存在着一些不完善之处, 如A NN网络 结构的选择多凭经验, S V M的核函数、核函数参数和损失函数难 以确定等。 为此, 探讨新的有效预测方法是很有必要的。 高斯过程( G a u s s i a n p r o c e s s , G P ) 是基于统计学习理论发展 起来的一种新的通用机器学习技术 , 它以具有坚实的统计学习 理论基础; 对处理高维数、 小样本、 非线性等复杂问题的良好适 应性; 灵活的非参数推断、 参数自
10、适应获取等突出优点, 正在成 为继 S V M之后机器学习领域新的研究热点7 - 。 本文将高斯过程机器学习方法应用于高强混凝土强度预 测, 提出高强混凝土强度预测的高斯过程机器学习模型, 为高 强混凝土强度的合理预测提供一条新途径。 1 高斯过程的基本原理 在机器学习领域中, GP是指在高斯随机过程与贝叶斯学习 理论基础上发展起来的一种机器学习方法。 而在统计学理论中, G P是这样的一个随机过程 : 其任意有限变量集合的分布都是 高斯分布, 即对任意整数 n 1 及任意的一族随机变量 , 与其 对应的 t 时刻的过程状态 ) 的联合概率分布服从 n维高斯 分布。 G P的全部统计特征完全由
11、它的均值 m( ) 和协方差函数 k ( t , t ) 来确定, 其定义式表示如下: 厂 【 t ) G P m( t ) , k ( t , t ) 】 ( 1 ) 假设有 n个观察数据的训练集 D = ( ) 1i = 1 , , n ) , 是 d维输入矢量, 观察 目标值 R。 如果 表示 d x n 维输入矩阵, , , 表示输出矢量, 那么训练集 D = ( , y ) 。 对于新的输入 , GP模型的任务是根据先验知识预测出 与 相对应的输出值Y 。 带高斯噪声的标准线性回归模型为: ) ( 2 ) 式中: x) 回归函数值; 符合高斯分布的独立随机变量。 均值为 0 , 方差
12、为 n 2 , 即: e - N( 0 , n 2 ) ( 3 ) 观察目标值 Y的先验分布为: 收稿日 期 : 2 0 1 1 _ o 5 _ 0 4 基金项目:国家 自 然科学基金( 5 0 8 0 9 0 1 7 , 5 1 0 6 9 0 0 1 ) ; 广西研究生教育创新计划项 目( 1 0 5 9 3 1 0 0 1 0 1 9 ) 1 8 学兔兔 w w w .x u e t u t u .c o m , N L o, K + I ) 4 式中: K K ( , ) 为 n X n阶对称正定的协方差矩阵, 矩阵中的任 一 项 k 度量了趣和辑的相关性。 个训练样本的观察目标值 Y
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 高强 混凝土 强度 预测 过程 机器 学习 模型
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【vivi****999】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【vivi****999】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。