CN118866174B 超高性能混凝土成分对动态抗压强度的影响分析方法 （大连民族大学）

超高性能混凝土成分对动态抗压强度的影公开了超高性能混凝土成分对动态抗压强度的明隔离森林异常检测算法通过消除或减轻异常stacking_CARF模型相较单一模型和EL模型，具2S1、获取试验数据，从公开的基于分离式霍普金森压S3、构建两层堆叠卡夫模型stacking_CARF模型，使用第一层分类提升Categorical2.根据权利要求1所述的超高性能混凝土成分对动态抗压强度的影响分析方法，其特3.根据权利要求1所述的超高性能混凝土成分对动态抗压强度的影响分析方法，其特4.根据权利要求3所述的超高性能混凝土成分对动态抗压强度的影响分析方法，其特最后重复上述过程l次，将n个训练模型e1,e2,...,en的加权平均值作为模型的最终输35.根据权利要求2所述的超高性能混凝土成分对动态抗压强度的影响分析方法，其特6.根据权利要求1所述的超高性能混凝土成分对动态抗压强度的影响分析方法，其特参数值的模型进行训练，得到的训练集和测试集的元特征合并作为新的训练集和测试集，7.根据权利要求1所述的超高性能混凝土成分对动态抗压强度的影响分析方法，其特8.根据权利要求1所述的超高性能混凝土成分对动态抗压强度的影响分析方法，其特所述部分依赖函数通过计算训练数据中的平均值来估计49.根据权利要求1所述的超高性能混凝土成分对动态抗压强度的影响分析方法，其特5对UHPC的整个冲击过程进行了模拟。通过与实验结果的比较验证了Johnson和Cook提出的人通过数值模拟研究了钢纤维增强混凝土(steelfiberreinforcedconcrete,论基础的分析预测模型。例如，Ren等人研究了传统经验公式在描述UHPC动态增长因子(Dynamicimpactfactors,DIFs)上的有效性。鉴于传统DIF模型针对UHPC材料缺乏普适性能混凝土UHPC动态压缩数据作为初始6calBoosting，CatBoost和随机森林RandomForest,RF基学习器方法进行UHPC动态抗卡夫模型预测，包括使用沙普利斯加性解释SHAP和部分依赖图PDP的对比分析被用来量化单一特征以及多个交互特征对全局模型的影响，采用局部可解释的模型LIME补充了对模个模型的学习结果调整下一个模型学习数据的样本权重，通过分步迭代的方式来构建模分配对应的样本权重接着使用样本权重为d1的样本子集训练模型e1，7型，Ω(g)是模型的复杂度，最小化损失L测量了解释模型g与原始模型的预测的接近程[0038](1)本发明中数据集的质量对于ML模型的预测精度至关重要，隔离森林异常检测8[0040](3)本发明中SHAP和PDP的对比分析可以揭示出传统实验和理论分析难以量化的[0051]图11为本发明的stacking_CARF模型在测试集上的实验值、预测值和误差的分剩余的245组关于UHPC成分－动态强度数据集随机地划分成训练集和测试集。数据集的划9[0061]由上可知，当污染率为33％时，33％的离散异常数据后得到的预测误差最小为18.53。值得注意的是，当不排除任使用第一层分类提升(CategoricalBoosting,CatBoost)和随机森林(Random测结果将作为训练集的元特征。最后用每个基学习器在5个折叠上的模型对测试集进行预助堆叠卡夫模型预测，包括使用沙普利斯加性解释SHAP和部分依赖图PDP的对比分析被用[0066]基于PDP的单因素分析结果发现低水泥含量对动态抗压强度的影响情况异常，这显著变化。这一结果在图4，图6和图8的等高线图中尤为明显。在图4中当水泥含量低于分配对应的样本权重接着使用样本权重为d1的样本子集训练模型e1，型，Ω(g)是模型的复杂度，最小化损失L测量了解释模型g与原始模型的预测的接近程x表示的是感兴趣的实例x与扰动产生的样本之间的距离，离实例越近的权重越高，表2将stacking_ML模型与单个集成学习模型在测试集上的评价指标进行了对表2将stacking_ML模型与单个集成学习模型在测试集上的评价指标进行了对[0095]stacking_ML模型的性能要优于单个模型，这表明叠加模型中的模型组合得到的stacking_CARF模型具备最佳预测性能，其在测试集上的评价指标分别[0096]图9和图10分别是单一集成学习模型和不同基学习器组合堆叠模型在测试集上预单一模型上散点的分布要比stacking_ML模型更为离散，部分点的误差在20％以上或之[0097]stacking_CARF模型在测试集上的预测值与真实值的比较以及误差分布情况如图11所示，stacking_CARF模型的预测值和实验值较为吻合，且测试集上的误差都在[0100]SHAP和PDP的对比分析可以揭示出传统实验和理论分析难以量化的关系，如特征于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。