PDF
研究文章|开放获取
Oluwatobi o .类似玛拿顶Ocholi Olugbenga s Abejide约翰逊城镇, ”预测混凝土的抗压强度具有使用基因表达与偏高岭土混合编程”,土木工程的发展, 卷。2020年, 文章的ID8883412, 7 页面, 2020年。 https://doi.org/10.1155/2020/8883412
预测混凝土的抗压强度具有使用基因表达与偏高岭土混合编程
Oluwatobi o .类似
,1
玛拿顶Ocholi,1
Olugbenga s Abejide,1
和
约翰逊a城镇2
1大学土木工程学系Ahmadu贝洛,Zaria,尼日利亚
2电子与计算机工程系,Ahmadu贝洛大学Zaria,尼日利亚
文摘
优化混凝土的问题之一是制定一个数学方程表明混凝土的各种成分之间的关系及其属性。在这个工作中,造型可见混有偏高岭土的混凝土的抗压强度进行了使用基因表达式编程(GEP)算法。从实验室的实验数据集是用于分析。混合比例是由三种不同的水灰比(0.4、0.5和0.6),和混凝土生产的成绩是年级M15 M20。混凝土的抗压强度是决定经过28天的治疗。GEP算法中使用的参数是输入变量包括水泥含量、水、偏高岭土的内容,和细和粗骨料,同时被指定为抗压强度的响应。使用参数模型的训练和测试。r平方值从GEP算法相比传统的逐步回归分析的使用。确定系数(r平方值)为0.95,GEP算法证明是一个好的选择造型混凝土抗压强度。
1。介绍
混凝土的可持续属性强烈与粘结剂系统的使用寿命和性能。传统基于波特兰水泥粘结剂系统一直异常广泛的条件。然而,因为它是与生产过程中使用的大多数建筑材料的生产,硅酸盐水泥的生产需要大量的能量和内在产生温室气体。这个事实更加发人深思的考虑增加使用波特兰水泥多年来,约有36亿吨水泥生产的20111]。工程师们想出方法来改善混凝土采用的可持续性和增加使用胶结材料基于很少或没有波特兰水泥和更多的替代材料,例如,粉煤灰、硅灰、粒状高炉矿渣,偏高岭土等天然火山灰。在未来,使用替代材料,硅酸盐水泥只会增加,所以需要优化这些材料的使用。然而,使用这些辅助胶结材料(SCM)必须完成没有危害的使用寿命和性能属性标记的具体世界上使用最广泛的建筑材料(2]。
还有其他属性除了高性能混凝土,如工作性、强度和耐久性。由于技术的进步,混凝土可以满足这些需求。然而,没有建立方法,可以优化混凝土的混合比例根据所需的性能。迄今为止,只有少数的尝试在这个问题了。的主要原因是各种各样的混合比例是可能的,是非常具有挑战性的适当优化问题在许多标准(由目标函数)数学3]。因此,本文利用GEP模型混凝土的抗压强度与偏高岭土补充cementitiuos材料。
工程metaheuristic算法在各个领域中的应用已逐步展开,和许多目前正在进行更多的研究。耶和华Armaghani et al。4]进行研究向量机(SVM)模型的性能与不同的内核模型岩石脆性和比较输入的重要性在不同的支持向量机模型。另外,神经网络和粒子沼泽优化是杂化neuroswamp估计桩沉降(5]。在工作Gulbandılar et al。6),据报道,模糊决策理论算法非常适用,水泥砂浆的有用材料的选择。类似和Abejide7)采用基因表达式编程(GEP)的使用建模部分替换产生的混凝土的抗压强度与磨细高炉矿渣硅酸盐水泥。人工神经网络(ANN)和自适应基于网络的模糊推理系统模型采用混凝土含沸石、硅藻土的行为(8]。Kocaka et al。9]研究了水泥的性质由部分取代硅酸盐水泥比率的高炉矿渣和废轮胎粉,这是使用模糊逻辑方法进行。
偏高岭土是高岭土煅烧温度大于650°C。石头富含高岭石被称为瓷土或高岭土,传统上用于陶瓷的生产。偏高岭土粒子被认为是更好的比硅酸盐水泥,但不像硅灰细。在偏高岭土,Si-O网络依然没有改变和Al-O网络重组本身。而高岭石晶体在其原始状态,偏高岭土在很大程度上是无序的结构和提供良好的属性作为矿物添加剂(10]。偏高岭土本身不是有粘结性的,但它是一种高活性火山灰,水的存在与石灰反应生成水化钙和铝硅酸盐化合物。因此,它被认为是一个很好的合成火山灰。其火山灰行为和潜在的用于混凝土生产目前正在研究[11,12]。
2。基因表达式编程的概述
基因表达式编程(GEP)是一种进化算法,生成计算机程序或模型。这些电脑程序是一个系统以树结构的形式,适应不同的大小,形状,和组合,以同样的方式就像一个活的有机体。
《全球经济展望》首次引入了费雷拉(13),假设它是一个扩展的遗传规划(GP) [14),同时保留遗传算法(GA)的一些属性15]。项目实施是一个功能强大的数据分析被用于各个领域。其他数据分析工具的缺点是通过使用基因表达式编程(16]。
GEP基因是由符号的固定长度的列表可以是任何元素+等一组函数, ,−、/和√和终端设置等( )。典型的GEP与给定的功能基因和终端集 在哪里是变量和C1一个常数说3。上述方程(GEP基因1)可以称为Karva符号或K-expression。K-expression可以映射到一个表达式树(ET)宽度的方式。样本基因在方程(1)如图1。谈话开始K-expression从第一位置,对应的根等,并通过字符串读取。《全球经济展望》基因在方程(1)也可以用数学形式如下:
一个表达式树可以再转换成K-expression记录每一层的节点从左到右,从根层到最深的一个字符串。图1显示了基因表达式树的方程(2)是解码。
与标准遗传规划的解析树表示,创业计划使用一个固定长度的字符串来表示解决问题,这是后来表示为解析树(称为“表达式树”实施不同的大小和形状在评估他们的健康17]。
GEP技术的优势之一是创建遗传多样性非常简化为遗传算子在染色体水平上工作。创业计划的另一个优势是,唯一multigenic自然允许更复杂的进化程序由几个子程序(18- - - - - -20.]。《全球经济展望》的固定长度通常是预先确定的对于一个给定的问题。因此,在实施不同的长度不是基因但相应的ETs的大小(21]。
图的原理图2显示了GEP算法的整个过程从开始到结束。
3所示。材料和方法
3.1。材料
水泥。本研究中使用的水泥工作42.5 N Dangote品牌的普通硅酸盐水泥和在Samaru从一个开放的市场,Zaria。比重是3.16克/厘米3。
偏高岭土。高岭土卡齐纳州Kankara村的,尼日利亚,煅烧约为800°C三个小时将它转换成偏高岭土。它的氧化物成分表1。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
细和粗骨料。Zaria得到从当地供应商,卡杜纳,总量受到适当的初步测试,确保符合标准。细和粗骨料的比重是2.56和2.70,分别。
水。饮用水免费从盐是用于混合和养护。
3.2。混凝土混合料的比例
表2介绍了混合比例:三种不同的水灰比为每个年级M15, M20混凝土。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
3.3。测试程序
三个数据集样本用于混合物。样本(100毫米一侧)产生新鲜混凝土脱模后24小时;然后,在干净的水样本治愈28天;这是因为混凝土达到99%的报道在28天强度。样品是使用压碎机压碎,抗压强度进行了计算。
4所示。抗压强度的造型
实验数据集表中描述2在表和相应的抗压强度进行了总结3并用于模拟混凝土的抗压强度。
|
||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||
|
选择输入参数的预测为目的的力量在混合设计。GEP算法的模型,然后,被用来预测强度,考虑到变量x
1,x
2,x
3,x
4,x
5。
|
||||||||||||||||||||||||||||
|
||||||||||||||||||||||
数据集从实验室实验进行了低威力和混凝土强度,平均每个样本的测试进行了表2。为变量超过3 - 5,大数据集将需要一个精确的模型。
4.1。建筑使用基因表达式编程模型
这里的主要任务是定义隐藏功能连接的输入变量x1,x2…x5和输出或目标价值y。这个表达式可以写成以下形式:
模型开发混凝土28天抗压强度。表中给出了建模的变量4。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
r平方(R2)、均方误差(MSE)和均方根误差(RMSE)确定的统计标准评估GEP-based模型获得的结果的性能。的公式确定系数(r平方)以下方程: 在哪里t=目标值;o=产值;n=数量的数据集。
对理想和完美的配合,t我=o我和均方误差我= 0。因此,MSE的范围我索引从0到无穷大,0代表的价值理念和绝对的预测。均方误差值越低,模型越好。GEP算法参数模型给出了表4。参数是那些引导算法的操作工作。
这些GEP算法参数选择表中给出5帮助生成模型的准确性,即,一代又一代的数量和染色体的数量。同时,函数集选择使模型足够少模棱两可的和清晰的解释,同时,能够得到一个好的预测模型通过使用三角函数和指数函数。
5。结果与讨论
5.1。实验程序的结果
从表6和728天抗压强度显示改善的结果控制约10%替代之前的强度开始下降。增加使用的偏高岭土10%以上替代所有的w / b比率为0.4,0.5和0.6,这是发现混凝土的强度降低,验证的结果Murali和Sruthee [23],偏高岭土,如5 - 10%的比例显示相当大的增加混凝土的强度特性相对传统的具体类型。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
此外,混凝土的强度损失,越来越偏高岭土水平从10%替代被发现符合所有的水灰比,这表明天然火山灰像偏高岭土有很少或没有影响混凝土的水需求。
5.2。模型结果
统计视图中使用的数据集表中给出的造型。运行GEP算法的具体组合数据集需要巨大的计算时间取决于计算机的处理能力。
一些数据被用来调查性能的GEP算法在预测抗压强度,而最好的解决方案是在方程(5),这是GEP模型。图3给出了基因表达式树的模型。
(一)
(b)
(c)
一些数据被用来调查性能的GEP算法在预测抗压强度,并给出最好的解决方案在方程(7),这是GEP模型。从算法方程(7)给最好的相关系数,还包括所有的输入变量不劈开任何变量,可以忽略不计。
从图4可以看到,有一个接近的比赛实际曲线与预测曲线。图的回归线5同时验证,通过观察散点图是密集。然而,一些大错误是观察到的曲线拟合,其十五观测值,误差是相当大的,记录的正误差为7.04,目标在这个观察到的订单是16 N /毫米2,但是这个模式给8.9 N /毫米的结果2,这是一个上升的价值和可能是由于一些不规则的数据集,因为一个伟大的部分曲线,可以看出,预测的价值目标是接近价值。
与MSE和平方(R2)值分别为16.05和0.95,模型相对较好。其他发展指标来验证模型的均方根误差(RMSE),残留标准错误(交易所),平均绝对误差(MAE)。表8给出了评价指标的结果。
|
||||||||||||||||||
5.3。回归分析模型
升值的GEP算法预测,一个线性方程是用经典统计软件包SPSS制定。由此产生的抗压强度模型给出的方程如下方程:
方程(8),R2值为0.828,比从GEP模型获得的值为0.95。鉴于这些结果,GEP算法可以欣赏更近似模拟混凝土的抗压强度的工具。
从模型可以看出,GEP模型是高度非线性;因此,它是由传统技术很难解决。基于回归分析的模型是一个线性函数和相对容易解决。从统计细节很明显,GEP算法的模型更准确的预测混凝土的抗压强度。
从表可以看出9GEP模型结果似乎非常接近目标值作为性能指标,而回归分析模型。这是清楚地表明,实施更为近似的预测能力比经典统计回归分析和准确。
|
|||||||||||||||
6。结论
从调查得出了以下的结论:(我)实验研究表明,偏高岭土可以使用替代10%;此外,它可以推断偏高岭土有很少或没有影响混凝土的水需求。(2)数学方程已派生显示混凝土抗压强度之间的关系及其成分,使用实施。与一个R2值为0.95,从模型中,GEP算法证明是一个很好的预测程序模拟混凝土的抗压强度。模型的推导可以作为混凝土的优化的目标函数。(3)这些结果表明,具体的属性和其成分之间存在的关系是非线性的,所以最好是代表数值建模非线性。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
引用
- t·阿姆斯特朗水泥行业数据:一个浏览信息的全球水泥行业的趋势英国,Internaltional水泥评论,杜金鸡2012。
- aci - committeee - 701,胶结材料对混凝土美国混凝土协会希尔斯,MI,美国,2013年。
- Maruyama, m . Kanematsu t野口勇,f . Tomosawa优化配合比的混凝土在各种严重的条件下,运用遗传算法,第三(CONSEC 01),温哥华,加拿大,2004。
- d .耶和华Armaghani, p . g . Asteris b . Askarian m . Hasanipanah r . Tarinejad诉诉黄齐,“检查混合与不同的内核和单一的支持向量机模型预测岩石脆性,”可持续性,12卷,不。6,2229年,页2020。视图:出版商的网站|谷歌学术搜索
- d . j . Armaghani p·g . Asteris s a法特米et al .,“使用neuro-swarm系统预测桩的沉降,”应用科学,10卷,不。6,1904年,页2020。视图:出版商的网站|谷歌学术搜索
- e . Gulbandılar s . O。Akyol, y Kocak”,水泥砂浆混合选择的多目标决策模糊指标值,”Eskişehir Osmangazi Universitesi Muhendislik Ve Mimarlık Fakultesi Dergisi,27卷,不。2、77 - 84年,2019页。视图:出版商的网站|谷歌学术搜索
- o . o .类似和o . s . Abejide”造型的混凝土抗压强度与GGBFS混在使用基因表达式编程,”软计算在土木工程杂志》上,3卷,不。2,利润率达到,2019页。视图:出版商的网站|谷歌学术搜索
- g . Ozcan y Kocak, e . Gulbandilar”含有沸石、硅藻土:混凝土抗压强度的评估专家系统的实现,“电脑和混凝土,21卷,不。1、21 - 30,2018页。视图:出版商的网站|谷歌学术搜索
- y Kocaka、大肠Gulbandilarb和l . Alpaslan”预测的影响高炉熔渣和废轮胎橡胶粉对硅酸盐水泥的凝结时间和模糊逻辑,“材料与方法技术9卷,第307 - 298页,2015年。视图:谷歌学术搜索
- j . Kristof, r·l·弗罗斯特,j . t . Kloprogge E·霍法和E。条纹状,“检测四个不同的羟基与可控速度热分析地面高岭石,”热分析和量热法杂志》上,卷69,不。1,第83 - 77页,2002。视图:出版商的网站|谷歌学术搜索
- j . Akinyele s Odunfa a Famoye, s . Kuye”评估isan-ekiti偏高岭土的火山灰混凝土,“可持续技术杂志》,8卷,不。2、2017。视图:谷歌学术搜索
- e . Badogiannis g . Kakali, s . Tsivilis“偏高岭土作为辅助胶凝材料,热分析和量热法杂志》上,卷81,不。2、457 - 462年,2005页。视图:出版商的网站|谷歌学术搜索
- c·费雷拉,“基因表达式编程:一种新的自适应算法解决问题,“复杂的系统,13卷,不。2、87 - 129年,2001页。视图:谷歌学术搜索
- j . r . Koza遗传规划:在计算机的编程通过自然选择美国马剑桥,麻省理工学院出版社,1992年。
- m . Kusy b Obrzut, j . Kluska”基因表达式编程和应用神经网络预测不良事件的激进的宫颈癌患者的子宫切除术,”医学和生物工程和计算,51卷,不。12日,第1365 - 1357页,2013年。视图:出版商的网站|谷歌学术搜索
- 邓,c .元,j·杨,a .周”基于模拟退火的分布式挖掘内容过滤功能和基因表达式编程活跃的分销网络,“IEEE访问5卷,第2328 - 2319页,2017年。视图:出版商的网站|谷歌学术搜索
- a . Baykasoğlu a Oztaş,大肠Ozbay”预测和高强混凝土参数的多目标优化通过软计算方法,”专家系统与应用程序,36卷,不。3、6145 - 6155年,2009页。视图:出版商的网站|谷歌学术搜索
- a . h . Gandomi a . h . Alavi, g . j . Yun”非线性建模配筋梁的抗剪强度使用线性遗传规划,“结构工程与力学,38卷,不。1、1 - 25,2011页。视图:出版商的网站|谷歌学术搜索
- a . h . Gandomi和a . h . Alavi多级遗传编程:非线性系统建模的新策略,”信息科学,卷181,不。23日,第5239 - 5227页,2011年。视图:出版商的网站|谷歌学术搜索
- A . h . Gandomi和A . h . Alavi”一个新的多基因遗传规划的非线性系统建模方法。第二部分:岩土工程和地震工程问题。”神经计算和应用,21卷,不。1,第201 - 189页,2012。视图:出版商的网站|谷歌学术搜索
- a . h . Gandomi X.-S。杨、美国Talatahari和a . h . AlaviMetaheuristic Metaheuristic算法在建模和优化应用程序结构和基础设施爱思唯尔,荷兰阿姆斯特丹,2013年。
- l . Teodorescu和d·舍伍德高能物理事件选择与基因表达编程”计算机物理通信,卷178,不。6,409 - 419年,2008页。视图:出版商的网站|谷歌学术搜索
- g . Murali和p . Sruthee混凝土的试验研究与偏高岭土的部分替代水泥,”国际期刊工程和新兴趋势发展,卷2012,不。2、344 - 348年,2012页。视图:谷歌学术搜索
版权
版权©2020 Oluwatobi o .类似等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。
