19、利用机器学习方法预测现代混凝土性能

利用机器学习方法预测现代混凝土性能

1. 决策树的生长与修剪阶段

决策树的构建主要分为两个阶段：
- 生长阶段：对训练数据集进行递归划分，直到每个叶节点只关联一个类别，或者对给定叶节点的进一步划分导致至少子节点低于某个指定阈值。
- 修剪阶段：对生长阶段构建的决策树进行优化，创建子树以避免对训练数据的过拟合。与生长阶段进行的预修剪（控制不符合某些阈值的分裂）不同，修剪阶段通常是后修剪阶段。

2. 基因表达式编程（GEP）

基因表达式编程是一种成熟的进化算法，用于自动生成计算机程序。在GEP中，染色体/表达式树形成一个真正的功能性、不可分割的系统。GEP不存在无效的表达式树或程序。GEP染色体和表达式树之间的交互需要一个能明确将染色体语言转换为表达式树语言的系统。此外，GEP染色体的结构组织允许无约束的基因组修改，从而使进化成为可能。由于过去几十年GEP的快速发展，该方法已被广泛用于预测混凝土的力学性能，如预测混凝土的抗压强度。

3. 人工神经网络方法

3.1 基本原理

人工神经网络方法广泛应用于人工智能领域和工程问题的解决。它主要用作预测模型，因为无需先验知识且精度高。人工神经网络模型通过学习过去数据中潜在过程的模式，并将获得的知识（或输入输出数据之间的数学关系）进行泛化，从而根据给定问题域的一组输入数据预测输出。

3.2 网络结构

ANN通常由并行互连的神经元设计而成，连接上分配了权重。一般来说，ANN有三层，即输入层、隐藏层和输出层：
- 输入层：从外部环境获取输入模式。
- 隐藏层：分隔输入和输出，可能有多个隐藏层，但目