[发明专利]一种钢桥面板腐蚀预测模型及构建方法

权利要求书

1.一种钢桥面板腐蚀预测模型的构建方法，其特征在于，该构建方法以温度、湿度、通电次数和通电时间作为钢桥面板腐蚀影响因素，采用遗传算法优化极限学习机神经网络，获得优化神经网络，对优化神经网络进行训练，获得钢桥面板腐蚀预测模型。

2.如权利要求1所述的钢桥面板腐蚀预测模型的构建方法，其特征在于，该构建方法按照以下步骤进行：

步骤一，采集钢桥面板腐蚀数据：

选择不同类型浇注式导电沥青混合料试件内的钢筋作为数据采集点，在选取腐蚀数据采集点后，将组合结构放入环境控制箱中，设置温度、湿度、通电次数和通电时间，在环境控制箱中保持96h后，测试计算得到钢筋腐蚀电流密度；

步骤二，建立钢桥面板腐蚀数据库：

将步骤一中得到的钢筋腐蚀电流密度数据存入钢桥面板腐蚀数据库中，在钢桥面板腐蚀数据库中，采集到的钢筋腐蚀电流密度数据即为钢桥面板腐蚀样本数据；

步骤三，确定钢桥面板腐蚀影响因素：

设定钢桥面板腐蚀影响因素为：温度、湿度、通电次数和通电时间；

步骤四，钢桥面板腐蚀样本数据预处理：

对步骤二获得的钢桥面板腐蚀样本数据由噪声信号引起的样本数据的波动及毛刺，进行平滑去噪声处理；

步骤五，钢桥面板腐蚀样本数据标准化处理：

为降低预测误测，使用matlab中的mapminmax函数对钢桥面板腐蚀样本数据进行标准化处理，使处理后的数据分布在[0,1]的范围内，其标准化公式为：其中，X_i为标准化数据，X为样本数据，X_max为样本数据最大值，X_min为样本数据最小值；

步骤六，采用遗传算法优化极限学习机神经网络，获得优化神经网络；

步骤七，钢桥面板腐蚀预估模型训练：

将步骤三中的钢桥面板腐蚀影响因素作为步骤六获得的优化神经网络的输入参数，输入参数的个数作为输入层神经元个数，将钢筋腐蚀电流密度作为步骤六获得的优化神经网络的输出参数，对优化神经网络进行训练，获得钢桥面板腐蚀预估模型。

3.如权利要求2所述的钢桥面板腐蚀预测模型的构建方法，其特征在于，步骤一中，，环境控制箱中温度的设置范围为-15℃～-5℃，湿度的设置范围为40％～80％，通电次数的设置范围为1～4，通电时间的设置范围为0.5h～1.5h。

4.如权利要求2所述的钢桥面板腐蚀预测模型的构建方法，其特征在于，步骤七中，每500组输入参数试验数据中400组数据用来训练，100组数据用来测试。

5.一种钢桥面板腐蚀预测模型，其特征在于，该模型通过如权利要求1至4任一权利要求所述的钢桥面板腐蚀预测模型的构建方法获得。