基于支持向量機的混凝土性能研究.pdf

1、作為混凝土結構設計與施工的重要依據(jù)，混凝土性能的研究越來越受到重視。按照傳統(tǒng)的方法，例如混凝土抗壓強度通常需要對混凝土試件進行28天的標準養(yǎng)護后測試獲得?；炷聊途眯孕枰ㄟ^模擬環(huán)境，讓試件在模擬環(huán)境下預測混凝土性能。這樣，為了解決試驗時間過長，環(huán)境模擬不夠完善的缺點，對試驗數(shù)據(jù)進行學習分析的機器學習方法就成了現(xiàn)今一個熱門的方向。
　　支持向量機(Support Vector Machine，簡稱SVM)具有堅實數(shù)學理論基礎和嚴格

2、的理論分析，具有全局優(yōu)化、適應能力強、推廣能力好等優(yōu)點，是一種新的機器學習方法。它采用的是統(tǒng)計學理論的結構風險最小化準則，兼顧了訓練誤差和泛化能力，所以對于采取經(jīng)驗風險最小化準則的神經(jīng)網(wǎng)絡來說，是一個很大的進步。并且支持向量機算法簡單，收斂速度快，能很快的對采集的數(shù)據(jù)進行分析，節(jié)省了大量的做實驗的時間。
　　針對神經(jīng)網(wǎng)絡容易出現(xiàn)“過學習”的問題，本文采用支持向量機模型對混凝土的硫酸鹽膨脹性進行預測分析。將支持向量機的預測結果與神經(jīng)

3、網(wǎng)絡等模型的預測結果進行比較分析，結果表明支持向量機能很好地預測混凝土的硫酸鹽膨脹性問題。
　　針對分析硅酸鹽混凝土的長期抗壓強度的問題，本文采用支持向量機模型進行了預測分析，結果表明支持向量機的預測結果在整體上來說，比神經(jīng)網(wǎng)絡模型和模糊算法模型更加適合于硅酸鹽混凝土的長期抗壓強度預測。
　　通過上述兩個算例證明了支持向量機的可行性，所以采用支持向量機和統(tǒng)計分析對混凝土的抗壓強度和坍落度進行預測，結果表明支持向量機在小樣本前