SVR对铣削型钢纤维混凝土劈裂抗拉强度的预测研究

摘要：为了预测多因素影响下的铣削型钢纤维混凝土劈裂抗拉强度，建立了支持向量回归（SVR）预测模型。模型以铣削型钢纤维混凝土的钢纤维体积分数（φf）、粗骨料最大粒径（dmax）和水灰比（mw/mc）等参数为输入变量，以铣削型钢纤维混凝土劈裂抗拉强度（f ft）为输出变量进行建模和预测。预测结果表明：SVR的预测模型具有较高的预测精度，能为铣削型钢纤维混凝土的配制提供参考。

关键词：支持向量回归;钢纤维体积分数;粗骨料最大粒径;水灰比;混凝土

中图分类号：TU528.01

文献标志码：A

文章编号：1009-3044（2020）19-0226-02

开放科学（资源服务）标识码（OSID）：

1 引言

钢纤维混凝土（Steel Fiber Reinforced Concrete简称SFRC）是在混凝土中掺人少量低碳钢、不锈钢或玻璃钢的纤维后形成的一种多相非均质复合材料。铣削型钢纤维是由钢锭铣削工艺制作而成的，是截面为月牙形，两端带有小肋，且一面粗糙一面光滑的高性能纤维产品。在混凝土中掺人铣削型钢纤维后，由于铣削型钢纤维的阻裂效应，使得铣削型钢纤维混凝土的抗拉、抗剪、抗扭等性能得到大幅度提高[1，2]。

混凝土劈裂抗拉强度是混凝土最重要的基本力学性能指标之一，是混凝土质量控制的核心内容。在我国，通常采用150mm*150mm8150mm的立方体作为标准试件测定混凝土劈裂抗拉强度。劈裂抗拉强度可由如下公式算得：

f ft 0.637*（ P/A）

（l）

（1）式中：fft为混凝土劈裂抗拉强度，单位MPa;P为破坏荷载，单位N;A为试件劈裂面面积单位mm2。

为了减少检测混凝土劈裂抗拉强度次数，满足施工时节省人力、财力和时间的要求，有人提出采用经验公式和线性回归方程来预测混凝土劈裂抗拉强度。然而，由于影响劈裂抗拉强度的因素很多（如：钢纤维体积分数（φf）、粗骨料最大粒径（dmax）和水灰比（mw/mc）等因素），同时这些因素对混凝土劈裂抗拉强度的影响表现出复杂的非线性特性，经验公式和线性回归方程的很难用于实际预测之中。Idorn认为，对混凝土的研究应当与现代智能技术相结合[3]。本文利用文献[4]报道的混凝土劈裂抗拉强度实验数据集，应用支持向量回归（SVR）技术，对混凝土劈裂抗拉强度进行建模和预测研究。

2 SVR及预测模型建模

2.1 SVR简介

支持向量回归机（SVR）是基于统计学习理论提出的一种数据挖掘技术。SVR具有计算效率高，结构简单，泛化能力强等优点，能较好地解非线性、过学习和局部极小等实际问题。特别是在预测问题领域上，SVR得到了成功的应用[5，6]。

2.2 SVR核函数及参数的选择

SVR的预测性能，会受到其核函数的形式和参数影响。现阶段对于核函数的形式和参数选择上并没有统一的模式，考虑到以径向基函数（RBF）为核函数的SVR有相对较强的泛化能力，本文采用RBF作为SVR模型核函数。RBF核函数表达式如下：

以RBF为核函数的SVR泛化性能很大程度上依赖于不敏感损失函数ε、误差惩罚因子C和核函数参数γ等3个参数。因此，对（ε，C，γ）参数集进行寻优是十分关键的。研究中采用粒子群优化算法来寻找SVR最优参数子集（ε，C，γ）。

2.3 混凝土劈裂抗拉强度实测数据集

研究所用数据（见表1）来源于文献[4]。

2.4 预测模型的建立

SVR预测模型以铣削型钢纤维混凝土的钢纤维体积分数（φf）、粗骨料最大粒径（dmax）和水灰比（mw/mc）为输入变量，以铣削型钢纤维混凝土劈裂抗拉强度（fft）为输出变量进行建模和预测。实测数据集中，随机抽取7*，8*，11*等3个样本为测试样本，其余8个样本为训练样本。

2.5 模型预测性能的评价

采用平均绝对误差（MAE）、均方根误差（MRSE）、平均绝对百分误差（MAPE）和相关系数（R）对所建模型的预测性能进行评价。

3 结果与分析

表2所示为混凝土劈裂抗拉强度的實测值与SVR预测模型的预测值的比较。从表中可以看到，SVR对3个测试样本的预测相对误差都在±0.1%以内。这表明，通过训练、建模，SVR对钢纤维体积分数、粗骨料最大粒径和水灰比等参量影响下的混凝土劈裂抗拉强度有较高的预测精度。

表3给出了SVR模型的预测性能。统计结果表明，SVR预测模型的MAE= 0.206 MPa.MAPE= 3.786%，MRSE= 0.252.R= 0.984。这些数据证明，SVR是很好的混凝土劈裂抗拉强度预测模型。

4 结论

通过把SVR用到混凝土劈裂抗拉强度预测当中，得到了如下结论：

（1）采用SVR方法可以建立起混凝土劈裂抗拉强度与钢纤维体积分数、粗骨料最大粒径和水灰比等之间的非线性映射关系。

（2）SVR预测模型有很高的预测精度。

（3）利用对SVR预测混凝土劈裂抗拉强度，可以减少试配次数，节省大量人力、物力和时间，提高企业效率。

参考文献：

[1]姬小祥，张帆，邵景干.不同类型钢纤维混凝土力学性能室内试验分析[J]-水利与建筑工程学报，2015，13（5）： 168-172.

[2]高翔.铣削型钢纤维螺旋效应的研究[J].工程建设，2007，39（2）：13-17.

[3] IDORN G M.Comments on the contents of cement and con-crete research [J]. Cement and concrete research，1997， 27 （11）：1625 -1626.

[4]张廷毅，汪自力，朱海堂，郑光.多因素影响下铣削型钢纤维混凝土劈裂抗拉强度[J].建筑材料学报，2014，17（3）： 383-388.

[5]周加乐，苟淞，刘宏.基于支持向量机的电火花加工TC4的盲孔深度预测模型[J].科技创新与应用，2018，21： 24-26.

[6]陈菊芬，李勇.基于多模态支持向量回归的PM：，浓度预测[J]-环境工程，2019，1：122-126，34.

【通联编辑：梁书】

基金项目：2018年广西高校中青年教师基础能力提升项目“支持向量回归技术在混凝土强度预测中的应用研究”（项目编号：2018KY0916）

作者简介：唐江凌（1974-），男，壮族，广西都安人，桂林师范高等专科学校物理与工程技术系副教授，主要研究方向：计算机技术及 应用。