基于PCA-PSO-LSSVM钢筋锈蚀程度预测研究 |
| |
引用本文: | 刘爽,樊文辉,成思维,顾力冬,郭顺军.基于PCA-PSO-LSSVM钢筋锈蚀程度预测研究[J].齐齐哈尔大学学报(自然科学版),2023(2):37-43. |
| |
作者姓名: | 刘爽 樊文辉 成思维 顾力冬 郭顺军 |
| |
作者单位: | 齐齐哈尔大学建筑与土木工程学院 |
| |
基金项目: | 2022年度黑龙江省省属本科高校基本科研业务费青年创新人才项目(145209208); |
| |
摘 要: | 钢筋锈蚀是混凝土结构破坏的主要原因之一,通过研究钢筋锈蚀情况,进而分析混凝土构件的耐久性,对提高建筑物的使用寿命来说,具有非常重要的现实意义。钢筋锈蚀受多种因素影响,但传统的钢筋锈蚀检测法容易受到人为和条件因素的干扰,进而产生较大的误差,因此构建一种钢筋锈蚀预测模型,可以快速地进行钢筋锈蚀程度的预测。通过钢筋锈蚀实验获得了23组实测数据,建立基于钢筋中间距、保护层厚度、裂缝宽度、锈蚀电流和锈蚀直径5个因素的预测指标体系,通过主成分分析(PCA)对数据进行降维处理,建立最小二乘支持向量机(LSSVM)模型对钢筋锈蚀率进行预测,选用粒子群算法(PSO)寻找出LSSVM中正则化参数和核函数宽度系数的最优参数组合。结果表明,PSO-LSSVM模型的平均绝对误差和均方根误差为1.88%和1.94%,并同BP神经网络、未优化的LSSVM模型的预测结果做对比分析,验证了该模型的预测精度更高,为复杂环境下的钢筋锈蚀情况监测提供了一种新的途径。
|
关 键 词: | 钢筋锈蚀 最小二乘支持向量机 粒子群算法 主成分分析 |
|
|