基于SSA-LSSVM的住宅工程造价预测研究

【目的】提高建筑工程造价预测的准确性,进而为项目前期投资决策提供重要依据。【方法】针对工程实践中小样本数据和工程造价特征指标之间高维、非线性关系的特点,构建基于麻雀搜索算法（sparrow search algorithm,SSA）的优化最小二乘支持向量机（least squares support vector machine,LSSVM）造价预测模型SSA-LSSVM。首先,通过主成分分析法对住宅工程造价样本的输入指标数据进行处理,减少数据冗余;其次,采用SSA算法对LSSVM模型中的正则化参数c和核函数参数σ进行优化,以弥补LSSVM模型参数确定困难的缺陷;最后,将处理后的数据导入所构建的模型进行训练和预测,并通过相关系数、平均绝对百分比误差和均方根误差对模型的预测性能进行评价。【结果】与LSSVM模型、用灰狼优化算法优化的LSSVM模型和反向传播神经网络模型相比,SSA-LSSVM模型具有更好的泛化能力和更高的预测精度。【结论】本研究所构建的模型可以比较精准、高效地对实际住宅工程造价进行预测,同时可为工程前期投资决策提供一定参考。     

再生混凝土结构钢筋临界锈蚀率的预测模型

为预测再生混凝土保护层锈胀开裂时刻的钢筋锈蚀率,根据目前再生混凝土钢筋锈蚀和锈裂行为的试验研究,借助一些合理的基本假定,采用弹性理论分析了钢筋锈蚀至保护层开裂的全过程,建立了再生混凝土结构钢筋临界锈蚀率的理论计算模型,模型中考虑了铁锈在锈胀裂缝中的填充行为和开裂混凝土的损伤。为验证模型的准确性,对15种不同配合比的再生混凝土试件进行了通电加速锈蚀试验。理论分析与试验结果对比表明,模型的预测结果是可靠的,满足工程计算精度,可用于再生混凝土结构钢筋均匀锈蚀条件下的临界锈蚀率计算和耐久性的影响因素分析。     

混凝土中钢筋锈蚀速率的时变模型

为确定混凝土中钢筋锈蚀速率随时间的变化规律,根据法拉第定律建立了钢筋锈蚀产物随时间的变化关系,在此基础上分析了钢筋锈蚀产物对混凝土孔隙率及混凝土氧气扩散性能的影响关系;建立了混凝土中钢筋锈蚀速率的时变模型.在恒温恒湿条件下,对钢筋锈蚀速率随时间的变化关系进行试验研究.试验结果表明:在其他因素不变的情况下,混凝土中钢筋锈蚀速率随时间的增长而逐渐降低,直至混凝土保护层开裂;时变模型所计算的钢筋锈蚀速率随时间的总体变化规律和试验结果所测试的总体规律基本一致,模型可以用来预测钢筋锈蚀速率随时间的变化规律.     

基于PCA PSO LSSVM的综合管廊投资 估算方法

为有效地解决现有综合管廊投资估算方法的预测精度不高,且预测精度易受样本量大小、特征参数冗余或贫缺等问题,构建一种将主成分分析法（PCA）与粒子群算法（PSO）优化最小二乘支持向量机（LSSVM）结合的综合管廊投资估算预测模型.采用PCA对影响综合管廊投资估算的特征参数进行降维,剔除噪声或冗余数据,以贡献率较大的主成分作为LSSVM的输入向量,综合管廊单公里造价作为LSSVM的输出向量;利用PSO对LSSVM的核函数参数σ与惩罚因子参数C进行寻优,建立基于PCA PSO LSSVM的综合管廊投资估算预测模型,并对测试集样本进行预测.预测结果显示:PCA PSO LSSVM模型平均相对误差为3.28%,满足投资决策阶段对投资估算预测误差的要求（±10%）,且与PCA LSSVM模型、PSO LSSVM模型、GA BP模型和GA SVM模型相比,预测精度分别提高了67.29%,70.52%,48.13%和38.60%.PCA PSO LSSVM模型预测精度高,泛化性能优,可作为综合管廊投资估算的有效预测方法.     

锈蚀钢筋混凝土柱承载力的计算模型

基于锈蚀钢筋与混凝土的粘结退化模型,分析了钢筋锈蚀对钢筋混凝土柱承载力计算模式和破坏模式的影响,建立了锈蚀钢筋混凝土柱抗压承载力的计算模型.利用一些近年来文献上有关钢筋混凝土锈蚀柱承载力的试验数据,对计算模型进行了验证,并取得了较好的吻合度.可以为锈蚀柱的承载力分析提供可靠的理论预测.     

锈蚀钢筋混凝土结构抗力衰变综述(Ⅰ):材料层次

针对锈蚀钢筋混凝土结构抗力衰变的影响因素复杂多样,从锈蚀钢筋力学性能、基于锈胀开裂的混凝土截面损伤、锈蚀钢筋与混凝土粘结性能等3个方面,回顾评述了相关研究成果,比较分析了既有锈蚀钢筋力学性能退化模型和粘结性能退化模型的异同,进而指出了当前研究存在的不足以及有待深入研究的方向.结果表明:既有材料层次的衰变模型多依赖于有限试验的经验回归,模型的普适性仍有待提升;从细观甚至微观的角度,探索钢筋的锈蚀形成与损伤演化,以形成统一的锈蚀后材料性能劣化模型,仍是有待进一步探索的研究方向;既有研究对混凝土自身性能的劣化关注不足,老化混凝土自身性能与时间关联模型的建立,有助于提高结构剩余寿命的预测精度.     

铁路混凝土箱梁钢筋锈蚀后其挠度和 裂缝宽度取值研究

为了研究钢筋锈蚀下混凝土箱梁挠度和裂缝宽度的变化,基于梁截面平衡和变形协调,引入锈蚀钢筋混凝土梁非线性本构关系,建立了箱梁受弯挠度和裂缝宽度解析表达式。针对铁路简支箱梁算例,研究了混凝土性能退化和钢筋锈蚀对梁挠度和裂缝宽度的影响;并和铁路桥梁规范中挠度和裂缝宽度的规范值进行了对比分析。结果表明:混凝土性能的退化对梁挠度和裂缝宽度影响很小;锈蚀钢筋力学性能的退化和锈蚀黏结滑移对挠度和裂缝宽度具有较大影响。当锈蚀率小于1.5%时,挠度和裂缝宽度均小幅减小;当锈蚀率超过1.5%后,挠度和裂缝宽度随着锈蚀率的增加开始增大。针对规范中挠度和裂缝宽度公式,提出了锈蚀黏结滑移修正系数,修正后的规范值与解析解吻合良好。     

氯离子侵蚀下钢筋初锈时间的计算模型

基于钢筋锈蚀的机理,综合考虑影响钢筋锈蚀的各种主要因素,提出钢筋初锈时间的概念,建立相应的计算模型．经实例验证,该模型可行、有效。计算结果能反映实际工程情况．结果有利预测混凝土中钢筋的初锈时间,以便及时对混凝土结构进行健康诊断、防止耐久性失效．     

钢筋混凝土保护层锈胀开裂时间预测模型

基于Faraday定律,建立了动态锈蚀速率下的锈蚀产物膨胀模型,并将锈蚀产物的膨胀等效为径向位移边界条件施加于钢筋-混凝土界面。建立了混凝土保护层在锈胀力作用下逐步开裂的数学模型,预测了混凝土保护层锈胀开裂的时间。并将模型预测的保护层锈胀开裂时间和试验观察的时间进行对比,验证了模型的正确性。最后对模型所包含的参数进行灵敏度分析,分析了各参数对混凝土保护层锈胀开裂时间的影响。     

铁路混凝土箱梁钢筋锈蚀后其挠度和裂缝宽度取值

为了研究钢筋锈蚀下混凝土箱梁挠度和裂缝宽度的变化,基于梁截面平衡和变形协调,引入锈蚀钢筋混凝土梁非线性本构关系,建立了箱梁受弯挠度和裂缝宽度解析表达式。针对铁路简支箱梁算例,研究了混凝土性能退化和钢筋锈蚀对梁挠度和裂缝宽度的影响;并和铁路桥梁规范中挠度和裂缝宽度的规范值进行了对比分析。结果表明:混凝土性能的退化对梁挠度和裂缝宽度影响很小;锈蚀钢筋力学性能的退化和锈蚀黏结滑移对挠度和裂缝宽度具有较大影响。当锈蚀率小于1.5%时,挠度和裂缝宽度均小幅减小;当锈蚀率超过1.5%后,挠度和裂缝宽度随着锈蚀率的增加开始增大。针对规范中挠度和裂缝宽度公式,提出了锈蚀黏结滑移修正系数,修正后的规范值与解析解吻合良好。     

基于扩孔理论的混凝土钢筋锈胀开裂分析

采用圆孔扩张理论对钢筋混凝土保护层锈胀开裂过程进行分析,推导不同锈蚀率下的混凝土塑性区边界应力及塑性区半径计算公式,建立保护层锈胀开裂扩孔模型。依据扩孔模型导出与保护层开裂时刻对应的临界钢筋锈蚀率表达式ρ(t),并对临界钢筋锈蚀率模型影响因素进行分析。研究结果表明:临界钢筋锈蚀率ρ(t)与混凝土强度等级、相对保护层厚度、钢筋锈蚀速率和铁锈膨胀率相关;随着混凝土相对保护层厚度增大,锈胀开裂临界锈蚀率ρ(t)快速增大;随着铁锈膨胀率增大,临界锈蚀率ρ(t)快速下降;随着混凝土强度等级增大,临界锈蚀率ρ(t)增加不明显。该模型为进一步研究碳化或者氯离子侵蚀的钢筋锈胀开裂寿命预测提供了理论基础。     

临海滩涂环境下混凝土中氯离子侵蚀破坏试验研究

混凝土的材料组成、工作环境等因素对其耐久性有很大的影响。通过对不同配合比、不同保护层厚度长期暴露于临海滩涂环境的钢筋混凝土试件表面裂缝规律、钢筋锈蚀程度、力学性能等方面的试验研究,表明:直接暴露于临海环境中的钢筋锈蚀最为严重;钢筋锈蚀越明显,其强度下降趋势越显著,锈蚀率越大,延性越低;混凝土保护层的厚度、裂缝宽度跟钢筋锈蚀之间是相互影响的,保护层厚度越小,裂缝宽度越大,钢筋锈蚀率越高,当裂缝宽度为小于或等于0.2mm的细微裂缝时,钢筋锈蚀率≤2%,当裂缝宽度0.5 mm时,钢筋锈蚀率与裂缝之间可能存在线性正向关系。     

通电加速与氯盐干湿条件下钢筋锈蚀的时间相似关系试验

为了研究氯盐侵蚀环境下混凝土内钢筋的锈蚀发展规律,以环境-时间相似理论模型为指导,开展恒电流通电加速试验与自然环境氯盐干湿循环试验,利用法拉第定律计算钢筋锈蚀率,以两种侵蚀条件下的钢筋锈蚀率接近为条件建立两者间的时间相似关系模型。试验结果表明:以自然氯盐侵蚀环境下钢筋锈蚀率实测值为4. 04%的试件为例,达到相同锈蚀率,恒电流通电加速锈蚀试验所需时间为160 h,由时间相似关系模型计算得到两种侵蚀环境条件下的时间相似系数为0. 025,从而求得自然氯盐环境条件下的钢筋锈蚀时间预测值为4. 0 a,与试验值3. 836 a间的误差为4. 28%,验证了本文所建立的基于钢筋锈蚀率的时间相似模型的可行性,为预测氯盐环境下混凝土结构钢筋锈蚀提供一定的理论参考。     

箍筋对混凝土构件锈胀开裂影响分析

基于混凝土中钢筋均匀锈蚀及锈蚀产物仅仅填充且填满锈胀裂缝的假设,考虑混凝土与钢筋介面锈蚀前后的变形协调条件,以及保护层裂纹界面的部分承载能力,建立了带箍筋混凝土构件锈胀开裂模型,并通过直流阳极极化加速锈蚀试验对模型进行了验证.对于箍筋间距100 mm及150 mm两种工况,裂纹宽度实测值与模型预测值具有较好的一致性.     

基于半椭圆锈蚀模型的混凝土保护层锈胀开裂分析

钢筋锈蚀时锈蚀层的分布规律会因钢筋所处的位置不同具有差异性,为了分析非均匀锈蚀层分布的差异对混凝土保护层开裂的影响,基于钢筋锈蚀层半椭圆分布模型,对钢筋非均匀锈蚀情况下的混凝土保护层开裂过程进行了有限元分析,并与均匀锈蚀假定下的保护层开裂理论进行了对比.研究显示按照均匀锈蚀假定的计算结果与非均匀锈蚀假定具有较大误差,尤其是在边角区误差更为明显,考虑钢筋锈蚀的非均匀性更加符合实际.对影响保护层锈胀开裂的因素进行分析后发现,钢筋直径和保护层厚度对保护层锈胀开裂的影响较大,混凝土抗拉强度对保护层锈胀开裂的影响较小.     

钢筋混凝土桥梁锈胀开裂时间模型敏感性

为了对氯离子侵蚀下在役钢筋混凝土桥梁进行全寿命预测,需要选择更为合理的混凝土锈胀开裂时间模型。分别应用单因素变化、多因素变化和敏感性指标对在氯离子侵蚀环境下的10个开裂时间模型进行敏感性分析,得到开裂时间tcr对各输入参数的敏感性大小,并确定出合适的模型。研究结果表明:3种敏感性分析方法的结果基本一致;单因素敏感性分析得出开裂时间tcr对钢筋锈蚀率icorr(jcorr)、锈蚀物密度ρr、氯离子渗透区域δ0、钢筋摩尔质量与锈蚀物的质量之比αm的敏感性较高,这4个参数属于模型中的重要参数;多因素敏感性分析得出tcr对icorr的敏感性增强,同时发现混凝土保护层厚度c、钢筋直径d和混凝土抗拉强度ft变化所引起的tcr变化率的改变也较为显著;敏感性指标分析得出参数c、d和ft的敏感性较单(多)参数分析略有提高;包含以上7个参数,确定文献[4]提出的模型8为适于工程应用的合理模型。     

模型及参数不确定下钢筋锈蚀率动态演进分析

为合理预测钢筋锈蚀状况,综合考虑均匀锈蚀、局部锈蚀及其影响因素的不确定性,提出钢筋锈蚀率动态演进分析方法。该方法以Bayes理论为基础,利用桥梁检测数据,来实现锈蚀率物理模型选择及其参数的更新;结合一座既有实桥,分析锈蚀率的时变规律,并对理论结果进行实验验证。研究结果表明:模型的不确定性对预测结果的影响不容忽视;基于检测数据的信息更新可使预测结果更接近实际,检测数据越多、更新频率越高,对提高预测准确度越有利;在桥梁管理过程中,应注重检测数据积累和养护管理系统的完善。     

钢筋混凝土桥梁实用碳化模型

一般大气环境下,混凝土碳化是钢筋锈蚀的前提条件,也是衡量混凝土材料耐久性能的一个重要指标,然而,由于实测碳化深度存在较大的离散性,为准确预测带来很大困难.本文基于混凝土成熟度理论和混凝土强度发展模型,结合在役钢筋混凝土桥梁的历史检测数据,对目前混凝土碳化预测模型进行评估,选取合理的模型类型和参数,建立了钢筋混凝土桥梁实用碳化模型.通过与实际桥梁典型部位的碳化数据对比,表明模型计算结果符合实际桥梁碳化检测结果.     

钢筋锈蚀引起混凝土结构锈裂综述

对钢筋锈蚀引发混凝土锈胀开裂的研究进行了综述,从试验分析、理论模型和数值模拟3个方面总结了相关研究的成果.采用试验观测混凝土锈裂过程是直观研究手段,但是仅根据有限试验数据拟合得到的经验公式的普遍适用性还存在问题.混凝土锈胀开裂力学模型可以较好地描述理想圆柱体钢筋混凝土试件在均匀钢筋锈胀力作用下的锈裂行为,但对于钢筋非均匀锈蚀、受荷载作用的情况,还尚未建立完善的理论预测模型.将获取的钢筋锈蚀非均匀分布的实际情况,作为有限元分析的位移荷载输入,可对非均匀锈蚀混凝土构件锈裂过程进行模拟.钢筋/混凝土界面铁锈填充区的定量研究、钢筋非均匀锈层分布模型、荷载与钢筋锈蚀对锈裂的共同作用情况以及箍筋对混凝土锈裂过程的影响等方面内容需要进一步研究.     

基于双参数最小二乘支持向量机(TPA-LSSVM)的风电时间序列预测模型的优化研究

风电时间序列预测模型的优劣直接影响风功率的应用价值,最小二乘支持向量机（least squares support vector machine,LSSVM）在处理风电预测问题上具有明显优势。提出了一种双参数算法（two-parameter algorithm,TPA）,从理论上证明了任意初始值均可线性收敛到全局最优值。调用TPA算法对LSSVM模型的惩罚因子和径向基宽度进行寻优赋值,并将训练好的TPA-LSSVM模型应用于风电预测中。仿真结果表明,与LSSVM模型、粒子群最小二乘支持向量机（PSO-LSSVM）模型、径向基函数神经网络（RBFNN）模型相比,TPA算法可以更好地实现LSSVM的参数寻优,TPA-LSSVM模型能有效提高预测精度。