-
公开(公告)号：CN110163430A
公开(公告)日：2019-08-23
申请号：CN201910388639.4
申请日：2019-05-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于AdaBoost算法预测混凝土材料抗压强度的方法，首先搜集大量已有混凝土抗压强度试验数据作为训练集，将混凝土材料的各组分占比视为输入变量，混凝土材料的抗压强度作为输出变量，通过AdaBoost算法中的弱分类器对试验数据进行训练，根据训练结果的准确率来确定不同弱分类器的权重，加大预测误差率小的弱分类器的权重，降低预测误差率大的弱分类器的权重，从而将各弱分类器组合成预测精度较高的强分类器，可以直接根据输入的相关参数给出混凝土的抗压强度。本发明仅需要简单的数据搜集与机器学习方法应用，即可进行混凝土材料的抗压强度快速并精确的预测，便于结构设计、鉴定加固等专业人员的推广应用。
-
公开(公告)号：CN110442933A
公开(公告)日：2019-11-12
申请号：CN201910655261.X
申请日：2019-07-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于自适应增强回归的钢筋混凝土柱塑性铰长度计算方法，首先搜集大量已有钢筋混凝土柱塑性铰长度试验数据作为训练集，将混凝土柱塑性铰的加载方式和钢筋参数视为输入变量，钢筋混凝土柱塑性铰长度作为输出变量，通过自适应增强回归算法中的弱回归器对试验数据进行训练，根据训练结果的准确率来确定不同弱回归器的权重，加大预测误差率小的弱回归器的权重，降低预测误差率大的弱回归器的权重，从而将各弱回归器组合成预测精度较高的强回归器，可以直接根据输入的相关参数给出钢筋混凝土柱塑性铰长度预测。本发明提高了计算的效率和精度，使得预测的效果更加贴近实际，具有自适应进化能力。
-
公开(公告)号：CN110147835A
公开(公告)日：2019-08-20
申请号：CN201910388648.3
申请日：2019-05-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于梯度增强回归算法的梁柱节点抗剪强度预测方法，该方法首先搜集大量已有框架节点核心区抗剪试验数据，并作为训练集，将各类框架梁柱节点试件的参数视为输入变量，梁柱节点的抗剪强度作为输出变量，通过梯度增强算法中的基学习器对试验数据进行多轮训练，根据训练结果的准确率来确定不同基学习器的权重，每一轮基学习器在训练过程中关注上一轮学习错误的样本，将负梯度作为上一轮基学习器犯错的衡量指标，在下一轮学习中通过拟合负梯度来纠正上一轮犯的错误。本发明避免了采用传统实验方法的高耗时、高成本等问题，也避免了采用理论分析方法带来的假定多、机理不清晰、计算过程复杂等问题。
-
-
Search Results
3
records
(took 0.015 seconds)
