SVM模型预测充填体强度

作者：秦原; 张斌斌; 谢刚

来源：江西建材, 2020, (07): 10-12+14.

• 充填体
• 强度
• 预测
• 支持向量机

为了准确评价和预测充填体强度,提出基于支持向量机(Support vector machine SVM)的强度预测模型,建立了充填体强度与影响因素之间的SVM模型(建立胶凝材料掺量与胶砂比与充填体28d单轴抗压强度),首先分别采用不同的寻优算法来计算模型关键参数即核函数的参数g和惩罚系数c,分析每种算法的结果参数与预测结论影响,从中选出最优对充填体预测强度的参数寻优算法SVM回归模型。通过分析:PSO算法、GA寻优算法、网格寻优的训练集回归参数各为0.88931、0.9727、0.88605。PSO算法、网格寻优、GA寻优算法的测试集回归系数分别为0.9842、0.97868、0.86683,三种算法中GA-SVM的泛化能力较差,PSO算法的推广性较强。改进的GA-SVM模型的泛化能力较强,预测得到的相关系数R=0.9877,高于传统GA寻优算法。SVM为充填体强度预测提供了新的技术手段。

• 单位
  江西省建筑材料工业科学研究设计院