摘要
本发明涉及一种基于GM模型和机器学习模型的混凝土抗压强度预测方法,包括:步骤S1:获取可信文献语料,并基于可信文献语料提取原始数据集合,其中,原始数据集合包括多个原始数据组,每个数据组由多个原始数据点组成,每个原始数据点包括多个输入变量和一个输出变量;步骤S2:对各原始数据组进行处理,基于各原始数据组中的所有原始数据点,分别计算得到各原始数据点的GM模型预测值和GM残差模型预测值,并将GM模型预测值和GM残差模型预测值作为新增输入变量更新原始数据点为扩增数据点;步骤S3:基于扩增数据点构建样本集以训练得到预测模型;步骤S4:基于预测模型预测待测混凝土的抗压强度。与现有技术相比,本发明具有准确率高等优点。
技术关键词
GM模型
残差模型
机器学习模型
变量
模型预测值
序列
元素
混凝土抗压强度
参数
矩阵
粉煤灰掺量
BP模型
铁尾矿砂
数据
样本
误差
预测装置
程序
系统为您推荐了相关专利信息
神经网络算法
神经网络模型
物资需求预测
电力
数据
自动登录方法
加密算法
HTTP请求
启动按钮
变量
矩阵分解算法
傅里叶变换函数
样本
截断核范数
短时傅里叶变换
优化运行方法
平台
负荷需求响应
电能
新能源设备
焊点结构参数
应力
遗传算法
结构参数优化设计
电子元器件封装