[发明专利]一种基于极限学习机的混凝土碳化预测方法

摘要

本发明的一种基于极限学习机的混凝土碳化预测方法，根据上述极限学习机方法原理，对混凝土碳化深度预测通过以下五个步骤实现：1、构建碳化深度预测训练样本，(x_j，t_j)；2、随机设置输入权值w_i与偏置b_i；3、计算出隐层输出矩阵H；4、计算出输入权值β，完成ELM训练；5、利用训练后的ELM对样本测试。本发明将极限学习机引入混凝土碳化深度预测中，替代传统机器学习算法对混凝土碳化深度预测，为混凝土耐久性评价提供更加准确的依据。

主权项

1.一种基于极限学习机的混凝土碳化预测方法，其特征在于：包括如下步骤：步骤一，构建碳化深度预测训练样本(xj，tj)，将混凝土的水灰比、水泥用量，混凝土暴露时间作为输入参数输入到极限学习机中，输出参数作为混凝土的碳化深度训练样本；混凝土碳化深度训练样本集合可表示为：{(xj，tj)|j＝1，2，…，N}   (1)式中，(xj，tj)表示混凝土碳化深度训练样本，xj＝(xj1，xj2，…，xjn)T∈Rn，tj＝(tj1，tj2，…，tjm)T∈Rm；对于L个隐节点的单隐层前馈神经网络的数学模型可表示为：式中，wi为第i个隐节点与输入节点间的权值，βi为第i个隐节点与输出节点间的权值向量，bi为第i个隐节点阀值；极限学习机最小化目标函数可表示为：根据单隐层前馈神经网络原理，公式(3)表示为：R＝min||Hβ‑T||   (4)式中，H为隐层输出矩阵，β为输出的权矩阵，T为目标输出矩阵；步骤二，在极限学习机中，随机设置输入权值wi和隐节点阀值bi，计算出隐层输出矩阵H；步骤三，计算出输入权值β，完成ELM训练；步骤四，利用训练后的ELM对样本测试。