一种超高性能混凝土多项性能预测方法及其配合比优化设计方法

技术领域

本发明涉及建筑设计技术领域，尤其涉及一种超高性能混凝土多项性能预测方法及其配合比优化设计方法。

背景技术

超高性能混凝土(Ultra-High Performance Concrete，UHPC)是一种新型水泥基复合材料，与传统混凝土相比，其具有更好的力学性能、工作性能和耐久性能。尽管UHPC问世的时间不长，但因其优异的性能，已经在工程建设领域得到应用，被认为是用于未来可持续基础设施建设中最有前途的建筑材料之一。然而，典型的UHPC成分中使用了大量的水泥和其它所需的高价格原材料，这大大增加了UHPC的生产造价。UHPC的配合比对于UHPC的性能和造价具有显著的影响，在进行UHPC配合比设计时通常需要满足多目标性能水平，为了达到预期的性能和生产造价，必须对UHPC的配合比进行优化设计。

传统上，UHPC的配合比设计需要全面的试错试验，这既繁琐又昂贵，另一个问题是，基于试验方法获得的配合比，只是可行的解决方案，但不是最优的解决方案。近年来，为减少UHPC前期试配和后期试验所带来的人力物力浪费，许多学者在UHPC的配合比设计方面进行了大量的探索。

目前有学者尝试将紧密堆积模型、多尺度分析方法、响应面统计模型运用于超高强混凝土的配制中，尽管这些方法对优化UHPC配合比都起到了重要的作用，但同时也都存在着不足之处：最紧密堆积法无法考虑结构成型过程的化学作用；多尺度分析方法对微观参数要求太高；RSM方法的精度有限，也无法随着试验样本的增加而提升等。也有学者将机器学习算法应用于混凝土的性能预测中，且大多集中于抗压强度方面的预测，而对于UHPC的性能预测研究非常有限，因为很难收集数据来创建具有各种变量的性能预测模型。

发明内容

本发明的目的是为了解决上述问题，提供一种超高性能混凝土多项性能预测方法，包括如下步骤：

S1：收集UHPC性能数据，建立UHPC性能数据库；

S2：基于UHPC性能数据库和机器学习算法建立UHPC性能预测模型；

S3：生成多个随机配合比，将多个随机配合比输入UHPC性能预测模型，对多个随机配合比的性能进行预测，并使用多项方程式对UHPC的单位体积造价和单位体积碳排放量进行计算，完成超高性能混凝土的多项性能预测。

进一步地，S1中，选取硅灰掺量、粉煤灰掺量、矿粉掺量、细骨量用量、粗骨量用量、水胶比、钢纤维用量和减水剂用量作为UHPC性能数据库的输入。

进一步地，S1中，将收集到的UHPC每种类型的性能数据按照8：2的比例划分训练数据集和测试数据集，训练数据集用于训练UHPC性能模型；测试数据集用于验证UHPC性能模型。

进一步地，S2中，机器学习算法包括线性回归、BP网络神经、决策树、随机森林、梯度提升树和极端梯度提升树。

进一步地，S2中，通过建立RMSE、MAE、MAPE和R

进一步地，RMSE的计算公式表示为：

MAE的计算公式表示为：

MAPE的计算公式表示为：

R

RMSE、MAE、MAPE和R

进一步地，S3中，UHPC的单位体积造价的计算公式为：

Cost＝P

其中，P

UHPC的单位体积碳排放量的计算公式为：

CO

其中，C

一种超高性能混凝土的配合比优化设计方法，包括如下步骤：

SA1：建立UHPC综合性能评估模型，通过通过层次分析法确定出UHPC综合性能评估模型中不同性能的权重；

SA2：将预测结果中抗压强度最低的那组配合比视作基准组，通过计算其他配比的UHPC各项性能相对于基准组相应性能的相对增长率，结合层次分析法得到的性能权重，定量比较UHPC各配比的综合性能，根据综合性能的指标确定UHPC的最优配合比，从而完成UHPC配合比优化设计。

进一步地，SA1中，基于层次分析法，UHPC综合性能评估模型包括目标层、准则层和方案层，目标层以UHPC综合性能评估为目标；准则层以抗压强度、抗弯强度、流动度、收缩、单位体积造价和单位体积碳排放量为评估准则；方案层以多个随机配合比为评估方案。

进一步地，SA2中，抗压强度增长率表示为：

与现有技术相比，本发明的有益效果是：

1、将层次分析法应用于UHPC配合比综合性能的评估，实现了UHPC配合比的优化设计。

2、将机器学习算法应用于UHPC的性能预测，减少了人力、物力以及时间的浪费。

3、将UHPC的抗压强度、流动度、抗弯强度、收缩、单位体积造价同时纳入UHPC配合比优化设计范畴，更符合实际工程应用需求。

附图说明

图1为本发明一种超高性能混凝土多项性能预测与配合比优化设计的方法的流程图；

图2为本发明使用极端梯度提升算法用于UHPC抗压强度、抗弯强度、流动度、收缩性能预测结果图。

具体实施方式

下面将结合示意图对本发明一种超高性能混凝土多项性能预测与配合比优化设计的方法进行更详细的描述，其中表示了本发明的优选实施例，应该理解本领域技术人员可以修改在此描述的本发明，而仍然实现本发明的有利效果，因此，下列描述应当被理解为对于本领域技术人员的广泛知道，而并不作为对本发明的限制。

在本发明的描述中，需要说明的是，对于方位词，如有术语“中心”，“横向”、“纵向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示方位和位置关系为基于附图所示的方位或位置关系，仅是为了便于叙述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定方位构造和操作，不能理解为限制本发明的具体保护范围。

如图1所示，一种超高性能混凝土多项性能预测与配合比优化设计的方法，包括如下步骤：

步骤一：建立UHPC性能数据库。

从大量文献收集到的UHPC性能数据，建立UHPC性能数据库，选取模型的输入、输出变量，划分模型的训练数据集以及测试数据集。

其中，模型的输入为：硅灰掺量、粉煤灰掺量、矿粉掺量、细骨料用量、粗骨料用量、水胶比、钢纤维用量以及减水剂用量。将收集到的每种类型的数据按照8:2的比例划分模型的训练数据集以及测试数据集。

步骤二：建立UHPC性能预测模型。

本发明选取的机器学习算法有线性回归、BP神经网络、决策树、随机森林、梯度提升树、极端梯度提升树

模型的性能评估：

本发明考虑了四个模型性能评估指标，分别为：RMSE、MAE、MAPE、R2，其定义如下：

式中y

RMSE反映了预测值和测试值之间的偏差，MAE反映了预测误差的实际情况，MAPE反映了预测误差与实际值的比率，R

步骤三：对UHPC的性能进行预测。

生成大量随机配合比，将这些配合比输入已建立的UHPC性能预测模型中，对大量随机配合比的性能进行预测。使用多项式方程对UHPC的单位体积造价和碳排放量进行计算，计算公式为：

Cost＝P

CO

式中，P

C

步骤四：建立UHPC综合性能评估模型。

根据层次分析法将UHPC综合性能评估体系分为目标层、准则层和方案层。目标层：UHPC的综合性能；准则层：抗压强度、抗弯强度、流动度、收缩、单位体积造价、单位体积碳排放量；方案层：50000个备选UHPC配合比。如表1所示，根据层次分析法构造UHPC综合性能评估权重矩阵并计算出各性能权重。

表1 UHPC综合性能评估权重矩阵

步骤五：UHPC配合比优化设计。

将配合比视作基准组，通过计算其他配比的UHPC各项性能相对于基准组相应性能的相对增长率，结合层次分析法得到的性能权重，从而计算出UHPC配合比的综合性能。定量比较UHPC各配比的综合性能，根据综合性能的指标确定UHPC的最优配合比，从而完成UHPC配合比优化设计。计算公式如下：

式中，σ

上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。