基于增益代价规则推理网络的混凝土力学性能预测方法
本发明涉及再生混凝土,尤其涉及一种基于增益代价规则推理网络的混凝土力学性能预测方法。
背景技术:
1、再生砖骨料混凝土以砖质再生骨料部分替代天然骨料,其胶水比、表面密度、吸水率、压碎值和替代率等属性共同影响混凝土抗压性能。由于不同属性的量纲和取值范围存在差异,属性与力学性能类别之间还可能呈现非线性关系,仅依赖经验判断或单一统计关系难以形成稳定且可追溯的预测过程。
2、置信规则库(belief rule base,brb)通过前件属性参考值、属性权重、规则权重以及后件置信度,建立输入属性与输出结果之间的可解释映射关系,并借助证据推理算法完成多规则合成;相比黑箱模型,其推理依据可溯源,适合用于需要解释预测依据的场景。但是,连续属性参考值的数量和位置会同时影响信息表达能力与规则组合规模:参考值过少可能损失类别判别信息,参考值过多又会使完整组合规则数随各属性参考值数量的乘积增长。
技术实现思路
1、本发明所要解决的技术问题是提供一种在保留rin规则推理结构和预测依据可追溯性的同时,提高了砖骨料混凝土力学性能分类的准确率和综合评价指标的基于增益代价规则推理网络的混凝土力学性能预测方法。
2、为解决上述技术问题,本发明所采取的技术方案是:一种基于增益代价规则推理网络的混凝土力学性能预测方法,所述方法包括如下步骤:
3、s1:获取再生砖骨料混凝土训练样本,确定前件属性及力学性能类别标签,并按训练数据统计量完成归一化处理;
4、s2:逐属性执行候选参考值划分,汇总候选参考值划分点及其信息增益;
5、s3:按照信息增益降序构造归一化收益曲线,通过几何拐点保留高收益候选参考值划分点;
6、s4:按候选顺序计算新增参考值引起的完整组合规则增量及单位规则增量收益,输出各属性最终有序参考值集合;
7、s5:将连续属性值映射为相对于相邻参考值的置信度分布,并以各属性参考值的笛卡尔积建立置信规则库;
8、s6:计算规则综合匹配程度和激活权重,采用证据推理方法聚合规则后件置信度,得到样本分别属于“力学性能良好”和“力学性能差”两个类别的输出置信度;
9、s7:根据真实类别标签计算均方误差,迭代更新属性权重、规则权重和后件置信度,并在更新后维持参数约束,直至达到停止条件;
10、s8:保存最终参考值集合和模型参数;对待预测样本执行与训练阶段相同的预处理和前向推理,输出置信度符合要求的力学性能类别。
11、采用上述技术方案所产生的有益效果在于:所述方法针对再生砖骨料混凝土样本,在保留主要类别判别信息的同时,限制连续属性参考值增加所引起的规则组合规模增长,并将筛选得到的参考值接入规则推理网络,构建增益代价规则推理网络(gain-costrule inference network,gc-rin),完成力学性能类别预测。
12、先根据带标签训练样本生成候选参考值划分点,再通过信息增益拐点筛选和边际规则代价筛选确定各属性的最终参考值集合;随后利用最终参考值完成输入置信度转换、置信规则构建、规则激活、证据聚合和参数训练。
13、所述方法通过信息增益和边际规则代价对候选参考值进行双重筛选,在保留主要类别判别信息的同时约束参考值增加所引起的规则规模增长。实验结果表明,gc-rin在保留rin规则推理结构和预测依据可追溯性的同时,提高了砖骨料混凝土力学性能分类的准确率和综合评价指标。
1.一种基于增益代价规则推理网络的混凝土力学性能预测方法,其特征在于,所述方法包括如下步骤:
2.如权利要求1所述的基于增益代价规则推理网络的混凝土力学性能预测方法,其特征在于,所述候选参考值划分的方法包括如下步骤:
3.如权利要求1所述的基于增益代价规则推理网络的混凝土力学性能预测方法,其特征在于,所述通过几何拐点保留高收益候选参考值划分点的方法包括如下步骤:
4.如权利要求2所述的基于增益代价规则推理网络的混凝土力学性能预测方法,其特征在于,所述按候选顺序计算新增参考值引起的完整组合规则增量及单位规则增量收益,输出各属性最终有序参考值集合的方法包括如下步骤:
5.如权利要求1所述的基于增益代价规则推理网络的混凝土力学性能预测方法,其特征在于,所述置信度分布的获取方法包括如下步骤:
6.如权利要求4所述的基于增益代价规则推理网络的混凝土力学性能预测方法,其特征在于,所述以各属性参考值的笛卡尔积建立置信规则库的方法包括如下步骤:
7.如权利要求1所述的基于增益代价规则推理网络的混凝土力学性能预测方法,其特征在于,所述计算规则综合匹配程度和激活权重的方法包括如下步骤:
8.如权利要求1所述的基于增益代价规则推理网络的混凝土力学性能预测方法,其特征在于,证据聚合与力学性能类别输出的方法包括如下步骤:
9.如权利要求1所述的基于增益代价规则推理网络的混凝土力学性能预测方法,其特征在于,参数训练、约束与停止条件为:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com