[发明专利]一种内部影响因素下基于宽度学习的水泥强度估测方法

说明书

本发明公开了一种内部影响因素下基于宽度学习的水泥强度估测方法，包括以下步骤：建立水泥强度估测指标系统，系统包括影响水泥强度的内部影响因素、第3天水泥抗压强度以及第28天水泥抗压强度；收集水泥企业历年来每批水泥强度的检测记录，获取了不同内部影响因素下的水泥样本第3天和第28天抗压强度；建立估测水泥强度的宽度学习模型，模型采用单层神经网络结构，将内部影响因素作为模型输入，输出为第3天或第28天水泥抗压强度；模型训练；将水泥强度估测模型用于实际水泥抗压强度预测。本发明通过对采集的水泥数据进行强度无损估测，减少了传统方法中的资源浪费，缩短了水泥抗压强度的检测时间，有助于加快新型水泥和特种水泥的开发。

技术领域

本发明属于水泥性能评估技术领域，具体涉及一种内部影响因素下基于宽度学习的水泥强度估测方法。

背景技术

水泥作为一种重要的材料，在建筑业中占有举足轻重的地位。其质量情况直接关系到生产和生活的安全，因此质量检测对水泥生产具有重要意义。水泥抗压强度(CCS)是检测水泥质量的重要指标。从水泥制造商的角度来看，产品的抗压强度需要提高和稳定。因此，在质量检验中，准确估算抗压强度至关重要。

在生产企业中，水泥抗压强度的检测仍停留在传统的破坏性检测方法阶段，这是一项艰巨而耗时的工作。另外，测量工作的技术要求也很高。尽管熟练掌握操作程序的人员获得了一些准确的数据，但由于某些技术人员经验不足，相当一部分数据存在较大误差。这给水泥质量的提高和高性能水泥的研究带来了障碍。寻求更有效的检验方法来帮助水泥生产成为一个亟待解决的问题。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提出一种内部影响因素下基于宽度学习的水泥强度估测方法，通过对采集的水泥数据进行强度无损估测，减少了传统方法中的资源浪费，同时缩短了水泥抗压强度的检测时间，有助于加快新型水泥和特种水泥的开发。

为了达到上述目的，本发明采用以下技术方案：

一种内部影响因素下基于宽度学习的水泥强度估测方法，包括以下步骤：

建立水泥强度估测指标系统，所述水泥强度估测指标系统用于描述水泥强度及水泥内部影响因素信息，包括影响水泥强度的内部影响因素、第3天水泥抗压强度以及第28天水泥抗压强度；

获取水泥强度估测指标系统的数据，收集水泥企业历年来每批水泥强度的检测记录，获取不同内部影响因素下的水泥样本信息及其第3天和第28天的抗压强度；

构建估测水泥强度的宽度学习模型，模型用于对水泥强度估测指标系统中的信息进行分析并估测对应的水泥强度，宽度学习模型采用单层神经网络结构，包括模型输入层、中间特征层以及模型输出层；宽度学习模型输入为所述水泥强度估测指标系统中的内部影响因素；所述中间特征层由模型输入计算所得，表示从信息中分析获得的组合特征，包含线性映射得到的映射特征和由映射特征通过非线性函数获得的增强特征；宽度学习模型输出是水泥强度估测指标系统对应水泥的第3天或第28天水泥抗压强度；

根据实际所需水泥强度估测模型，训练构建的宽度学习模型，并将得到的最优模型应用于实际的水泥抗压强度估测，最优模型即所需水泥强度估测模型。

进一步的，所述水泥强度估测指标系统中的内部影响因素有19种，具体为：

烧矢量LOI、二氧化硅SiO2、氧化铁Fe2O3、氧化铝Al2O3、氧化钙CaO、氧化镁MgO、三氧化硫SO3、游离氧化钙f-CaO、液相量LPA、石灰饱和系数KH、去游离氧化钙的饱和系数KH-、硅率SM、铝率IM、硅酸三钙C3S、硅酸二钙C2S、铝酸三钙C3A、铁铝酸四钙C2AF、粉煤灰FA以及比表面积SSA。

进一步的，所述构建估测水泥强度的宽度学习模型具体包括以下步骤：

初始化模型参数，模型参数包括映射特征组个数、组内特征个数以及增强节点个数；