一种基于复杂因素耦合影响的预拌混凝土性能精确评估方法及系统

摘要: 本发明属于混凝土性能评估与机器学习,尤其涉及一种基于复杂因素耦合影响的预拌混凝土性能精确评估方法及系统。背景技术:1、预拌混凝土作为建筑工程中最基础、用量最大的...
一种基于复杂因素耦合影响的预拌混凝土性能精确评估方法及系统

本发明属于混凝土性能评估与机器学习,尤其涉及一种基于复杂因素耦合影响的预拌混凝土性能精确评估方法及系统。

背景技术:

1、预拌混凝土作为建筑工程中最基础、用量最大的建筑材料,其性能直接关系到工程结构的安全性、耐久性和使用寿命。预拌混凝土的性能受原材料品质、生产工艺、环境条件、养护制度等多类因素的共同影响,各因素之间并非独立作用,而是存在复杂的耦合交互效应。例如,水胶比与粉煤灰掺量共同影响混凝土强度发展,环境温度与养护龄期耦合作用于水化反应速率,搅拌工艺与外加剂掺量协同影响混凝土工作性能。传统的单因素分析方法或简单线性回归模型难以捕捉这种复杂的耦合关系,导致性能预测精度不足,无法满足现代工程对混凝土质量精细化管控的需求。

2、近年来,机器学习技术在混凝土性能预测领域得到了广泛应用。现有技术多采用单一机器学习模型,如支持向量机、随机森林或bp神经网络,直接以原材料配比和环境参数作为输入进行强度预测。然而,现有方法存在以下不足:第一,特征工程环节较为粗糙,通常直接使用原始特征,未充分考虑因素间的耦合交互效应,丢失了大量有价值的信息;第二,单一模型的泛化能力有限,在数据分布复杂或样本量不足时容易出现过拟合或欠拟合;第三,预测结果仅给出单点估计值,缺乏对预测可靠性和不确定性的量化评估,工程人员难以判断预测结果的可信程度;第四,缺乏系统化的评估体系,无法将预测精度、可靠度与不确定性整合为可直接指导工程决策的综合指标。

3、因此,亟需发展一种能够充分考虑多因素耦合效应、具备高预测精度且能量化评估预测可靠性的预拌混凝土性能精确评估方法,为混凝土生产质量控制和工程应用提供科学依据。

技术实现思路

1、为解决上述技术问题,本发明提供了一种基于复杂因素耦合影响的预拌混凝土性能精确评估方法,包括以下步骤:

2、建立多维度影响因素库,所述多维度影响因素库包括原材料因素、环境因素、工艺因素及养护因素;

3、采用机器学习模型结合shap贡献值分析对各影响因素进行重要性排序,依据累计贡献率筛选关键影响因素,构建关键影响因素集;

4、对所述关键影响因素集中的关键影响因素进行乘积耦合和比值耦合,构建候选耦合特征池,利用shap贡献值分析对所述候选耦合特征池进行筛选,构建关键耦合特征集;

5、基于所述关键影响因素集和所述关键耦合特征集,采用stacking集成学习策略构建stacking性能评估模型,输出混凝土性能预测结果;

6、基于bootstrap重采样对所述stacking性能评估模型进行n次重复建模,根据n次重复建模所得最终预测值确定混凝土性能预测结果,根据第一层基学习器的输出值计算可靠度,并根据所述最终预测值计算预测区间;

7、根据所述可靠度和所述预测区间构建综合性能指标cpi,并根据所述综合性能指标cpi确定混凝土综合性能等级。

8、可选地,所述原材料因素包括水泥、粉煤灰、矿粉、砂率、水、碎石、骨料、水胶比、外加剂中的一种或多种;所述环境因素包括环境温度、环境湿度、风速中的一种或多种;所述工艺因素包括搅拌时间、搅拌转速、运输时间中的一种或多种;所述养护因素包括养护龄期、养护温度、养护湿度中的一种或多种。

9、可选地,所述机器学习模型为树模型,所述树模型包括xgboost、random forest、lightgbm中的至少一种;按shap贡献值从大到小排序,保留累计贡献率达到预设累计贡献率阈值的前序特征作为关键影响因素,构建关键影响因素集。

10、可选地,所述乘积耦合为两个关键影响因素的数值相乘,所述比值耦合为两个关键影响因素的数值相除;所述候选耦合特征池包含关键影响因素全部两两组合对应的乘积耦合特征和比值耦合特征;所述利用shap贡献值分析对所述候选耦合特征池进行筛选,包括:计算候选耦合特征池内各耦合特征的shap贡献值,按贡献值从大到小排序,依据累计贡献率筛选关键耦合特征,构建关键耦合特征集。

11、可选地,所述stacking性能评估模型采用两层结构:第一层为基学习器层,包括多个异质回归模型,所述异质回归模型包括xgboost、随机森林rf、支持向量回归svr、bp神经网络;第二层为元学习器层,采用岭回归、支持向量回归或线性回归中的一种;所述stacking性能评估模型采用五折交叉验证策略进行训练;所述混凝土性能预测结果包括抗压强度、抗折强度或耐久性指标中的一种。

12、可选地,所述bootstrap重采样的次数n取值范围为100~1000。

13、可选地,所述stacking性能评估模型第一层基学习器共有k个基模型;统计n次bootstrap重采样下每一次建模中全部k个基模型的输出,计算全部输出的总均值和总方差;根据所述总方差计算标准差,并根据所述标准差计算得到可靠度。

14、可选地,将n次重复建模所得stacking模型最终预测结果构成预测集合,将集合内全部预测值从小到大排序,取第2.5百分位数、第97.5百分位数,共同构成95%预测区间。

15、可选地,所述综合性能指标cpi计算公式为:

16、;

17、其中,,r为可靠度,u为预测区间宽度对应的不确定性指标,w为预测区间宽度,为预设最大容许区间宽度;权重、通过专家赋权法、层次分析法、熵权法或数据驱动方法确定;

18、根据综合性能指标cpi划分混凝土综合性能等级:当cpi>90时,等级为a级;当75≤cpi≤90时,等级为b级;当60≤cpi<75时,等级为c级。

19、本发明还提供了一种基于复杂因素耦合影响的预拌混凝土性能精确评估系统,用于实现所述的预拌混凝土性能精确评估方法,包括:

20、数据输入模块,用于输入原材料参数、环境参数、工艺参数及养护参数;

21、关键因素识别模块,用于执行shap贡献值分析,筛选关键影响因素并构建关键影响因素集;

22、耦合分析模块,用于构建候选耦合特征池,执行shap贡献值分析筛选关键耦合特征;

23、性能评估模块,用于构建并运行stacking集成学习模型,输出混凝土性能预测结果;

24、预测可靠性评估模块,用于基于bootstrap重采样的输出结果,根据第一层基学习器输出计算可靠度;

25、预测区间生成模块,用于基于bootstrap重采样结果生成95%预测区间,量化预测不确定性;

26、结果可视化模块,用于输出展示关键影响因素排序、耦合特征、性能预测结果、可靠度、预测区间以及混凝土综合性能等级评定结果。

27、与现有技术相比,本发明具有如下优点和技术效果:

28、本发明通过引入乘积耦合和比值耦合的耦合特征工程,将因素间交互效应显式纳入模型输入,有效捕捉原材料、环境、工艺及养护多类因素间的复杂耦合关系,提升性能预测准确性;采用stacking集成学习融合多种异质基学习器优势,增强模型泛化能力和鲁棒性;结合bootstrap重采样与基学习器可靠度分析,同时提供可靠度指标和预测区间两个维度的不确定性量化结果,使预测结果附带可信程度评估;构建综合性能指标cpi,将预测可靠度和不确定性有机整合,形成可直接指导工程决策的分级评定结果,便于工程人员快速判断混凝土质量等级并采取相应管控措施;系统化评估平台涵盖数据输入、特征筛选、耦合分析、性能预测、可靠性评估和结果可视化完整流程,各模块功能独立且协同工作,操作便捷,具有良好的工程应用价值。