买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种粗粒土压实度预测方法，包括：S1：获取土石坝坝料的相关碾压数据，以建立非对称数据集；S2：对所述非对称数据集进行数据预处理，得到预处理后的数据集；S3：利用所述预处理后的数据集对融合仿生智能算法的神经网络模型进行训练，得到训练好的神经网络模型；S4：利用训练好的神经网络模型对大坝填筑单元工程任意位置处的干密度进行预测，得到预测结果；S5：根据预测结果，生成粗粒土压实预测结果。本发明能够实现对大坝填筑施工过程中粗粒土压实度质量的快速预测，进而有效加快工程进度。

主权项：1.一种粗粒土压实度预测方法，其特征在于，包括：S1：获取土石坝坝料的相关碾压数据，以建立非对称数据集；其中，所述土石坝坝料的相关碾压数据包括坝料碾压参数、坝料级配特征参数和压实质量数据；所述坝料碾压参数包括碾压速度、碾压遍数、铺层厚度、振动频率和碾压机械吨位；所述坝料级配特征参数包括P5含量、最大粒径、曲率系数和不均匀系数；所述压实质量数据包括干密度；S2：对所述非对称数据集进行数据预处理，得到预处理后的数据集；S3：利用所述预处理后的数据集对融合仿生智能算法的神经网络模型进行训练，得到训练好的神经网络模型；所述S3，具体包括：S31：确定初始神经网络模型的拓扑结构；S32：将神经网络模型的权值和阈值约束为初始粒子，并初始化以及自适应模拟退火粒子群优化算法的参数和种群位置；S33：将所述初始神经网络模型的最小均方误差函数作为所述自适应模拟退火粒子群优化算法适应度函数；S34：根据所述适应度函数计算所有粒子每次迭代的适应值，记录个体最优值和种群最优值；S35：判断当前迭代是否小于最大迭代次数的一半，若是，利用自适应更新权重和学习因子修正速度和位置更新公式，并根据修正后的速度和位置更新公式更新粒子的速度和位置；否则，根据粒子的速度和位置更新公式更新粒子的速度和位置；S36：根据更新后的速度和位置判断是否出现早熟收敛，若是，利用模拟退火算法对粒子进行全局优化，得到最优解后进入S37；否则，将所述个体最优值和种群最优值作为最优解后进入S37；S37：判断当前迭代是否为最大迭代次数，若是，将具有最优解的粒子赋值给所述初始神经网络模型，得到融合仿生智能算法的神经网络模型；否则，返回S34；所述S35中，修正后的速度和位置更新公式为： 所述粒子的速度和位置更新公式为： 其中，i表示第i个粒子且i=1,2,...,N1；N1为粒子总数，d表示d维空间且d=1,2,...,D，D为搜索空间的总维数；t为迭代次数；ω为惯性权重且；Tmax为最大迭代数；t为当前迭代数；ωmax和ωmin分别为最大和最小惯性权重系数，e为以e为底的指数函数；c1和c2为学习因子；r1和r2为0到1之间的随机数，用于保持种群的多样性；vidt和xidt分别代表第i个粒子在迭代t次时在d维空间的速度和位置；Pbestidt和Gbestidt分别表示单个粒子和群体粒子在迭代t次时的历史最优位置，ξ1和ξ2均为二阶振荡因子且；S4：利用训练好的神经网络模型对大坝填筑单元工程任意位置处的干密度进行预测，得到预测结果；S5：根据预测结果，生成粗粒土压实预测结果。

全文数据：

权利要求：

百度查询： 中国水利水电科学研究院 一种粗粒土压实度预测方法