李志强 金 楠 李牵慧 王 明 王丹丹 黄烈阳 董元尚

(河北建筑工程学院，河北 张家口 075000)

0 引 言

目前，混凝土材料的使用越来越普遍，混凝土强度与建筑安全紧密联系，混凝土的强度检测对于结构质量的评定十分重要，近几年，为了弥补现有常用检测方法的局限性提出了一种新的检测方法——拉脱法.在建筑工程中，检测的最终目的是根据检测所得到的数据进行处理分析，对数据进行回归拟合，但是，由于混凝土材料自身的复杂性，强度影响因素众多，不同的地区、工程使用的原材料都有一定的差异，在采用规范要求的方法进行处理分析时有时会出现自变量过多而无法进行精确分析，对于数据的处理较困难，近些年来，随着科技的发展，人工智能模型发展迅速，支持向量机[1](SVM)表现出其独特的优势.

1 支持向量机原理

支持向量机充分利用了结构风险最小化的原则，将原本是非线性的数据样本映射到一个高维的空间中，将非线性回归问题转化成线性问题，在映射过程中引入核函数思想，大幅度的简化了问题的复杂度，该模型相对简单，且表现出全局最优[2].研究表明SVM分析是将数据进行分类，使划分后的数据之间的距离最大，形成一个平面，最优分类见图1：

图1 最优分类图

支持向量机可做以下分析[3]：假设样本数据为(X1,Y1),(X2,Y2),(X3,Y3)，(X4,Y4)…，(Xi,Yi)，采用线性回归拟合函数y(x)：y(x)=ωφ(x)+b

式中：ω—法向量；

b—截距；

φ(x)—输入到输出的非线性映射.

(1-1)

将目标函数最小化

(1-2)

式中：C—惩罚因子

(1-3)

(1-4)

式中：k(xi,xj)=φ(xi,xj)，a是一个界限.

(1-5)

2 试……

登录APP查看全文