基于人工智能的混凝土配合比優(yōu)化設(shè)計分析

胡 畔

（武漢市政建設(shè)集團有限公司，湖北 武漢 430023）

0 引言

人工智能技術(shù)飛速發(fā)展過程中，深度學習在國內(nèi)外金融、氣象、交通等諸多領(lǐng)域中得到廣泛應(yīng)用，借助大數(shù)據(jù)中自動學習特征完成復(fù)雜的非線性映射。混凝土抗壓強度是重要的性能質(zhì)量檢測指標，人工智能興起后，人工智能技術(shù)在混凝土配合比設(shè)計中得到廣泛應(yīng)用，西方國家先后推出非線性模型、混合回歸模型、人工神經(jīng)網(wǎng)絡(luò)模型來完成對混凝土抗壓強度的預(yù)測。從國內(nèi)混凝土配合比設(shè)計發(fā)展現(xiàn)狀來看，人工智能技術(shù)在混凝土配合比設(shè)計中的應(yīng)用范圍有限，雖然早期國內(nèi)學者對HPC配合比設(shè)計方案進行了初步規(guī)劃，但依然耗時較長、成本較高，想要提高人工智能配合比優(yōu)化設(shè)計模型的使用價值，還需要繼續(xù)深入研究。本文開展基于人工智能的混凝土配合比優(yōu)化設(shè)計的研究和分析。

1 基于人工智能的混凝土配合比預(yù)測模型

混凝土抗壓強度預(yù)測模型是混凝土配合比優(yōu)化設(shè)計中的核心，也是開展后續(xù)優(yōu)化設(shè)計的關(guān)鍵，由數(shù)據(jù)預(yù)處理、特征工程、ADARF回歸模型、性能評價等多部分構(gòu)成。在該過程中，歷史數(shù)據(jù)庫模型的處理非常關(guān)鍵，受多方面因素影響，人工數(shù)據(jù)采集難度較大，存在數(shù)據(jù)缺失、數(shù)據(jù)噪聲等問題，需要經(jīng)過科學的選擇，才能夠構(gòu)建出可靠的數(shù)據(jù)庫。在該數(shù)據(jù)庫中需要涵蓋水泥、石灰石粉、礦渣粉、粉煤灰、膨脹劑、減水劑、細砂、中砂、粗砂、小石、大石等多方面關(guān)鍵新要素，還要對坍落度、生產(chǎn)線、澆筑方式、28d強度、表觀密度等性能指標進行記錄。在此基礎(chǔ)上借助隨機森林算法落實集成預(yù)測工作，最終完成預(yù)測模型。從具體的性能測試來看，該預(yù)測模型準確性較高，配合成熟框架的深度學習，能夠找到最優(yōu)配合比，使混凝土配合比優(yōu)化設(shè)計工作得到全面落實。在模型優(yōu)化設(shè)計過程中，28d混凝土抗壓強度預(yù)測模型作為主要約束條件，經(jīng)濟成本為主要的目標函數(shù)，突破傳統(tǒng)的混凝土配合設(shè)計方法，同時還考慮環(huán)保情況等因素，為生產(chǎn)高性能混凝土奠定基礎(chǔ)[1]。

2 基于人工智能的混凝土配合比優(yōu)化設(shè)計分析

在建筑工程中混凝土配合比的設(shè)計成本較高、設(shè)計周期較長，最終的結(jié)果無法保證。借助人工智能展開混凝土配合比設(shè)計，不僅可以更好地保證抗壓強度、還能夠節(jié)約生產(chǎn)成本，降低碳排放量，在滿足經(jīng)濟性條件的同時，也滿足了生態(tài)性條件，對建筑工程未來的發(fā)展具有極大的促進性作用。

2.1 模型設(shè)計分析

深度學習、遺傳算法、人工神經(jīng)網(wǎng)絡(luò)等信息技術(shù)都可以應(yīng)用到混凝土配合比優(yōu)化設(shè)計中，明確混凝土中不同元素的具體用量，以此打造出高性能的混凝土。利用相應(yīng)的算法，在給定的混凝土性能指標數(shù)據(jù)上，完成全局優(yōu)化設(shè)計，優(yōu)化后水泥用量明顯減少，粉煤灰、礦渣的用量相應(yīng)提高。在優(yōu)化設(shè)計中，只需要給出相應(yīng)的混凝土性能，就能夠設(shè)計具體的約束條件，有效減少適配工作量，節(jié)省財力和物力。綜合來看，需要設(shè)計出一個混凝土配合比優(yōu)化設(shè)計模型，首先借助過往的混凝土歷史生產(chǎn)數(shù)據(jù)作為模型；其次，設(shè)計深度學習框架模型以及專家知識庫，包括專家評分表和國家設(shè)計標準，更好地抽取出混凝土配合比數(shù)據(jù)（見圖1）；最后設(shè)計出微調(diào)模塊，以單位價格、碳排放量等方面作為優(yōu)化目標，完成最終的配合比優(yōu)化設(shè)計[2]（見圖2）。在人工智能輔助下，在輸入基本的混凝土材料情況后，會先形成一個模糊匹配后的配合比，進而根據(jù)專家評分表、國家混凝土設(shè)計標準展開調(diào)整，形成基準配合比，在此基礎(chǔ)上，可根據(jù)條件展開微調(diào)，以提高水膠比條件、抗壓強度條件、成本條件、環(huán)保條件，確保最終的效果，使混凝土最終的配合比滿足實際應(yīng)用要求。

圖1 人工智能預(yù)測模型的訓練與測試分析

圖2 人工智能預(yù)測模型功能分析

混凝土抗壓強度是最為關(guān)鍵的參數(shù)，根據(jù)混凝土配合比數(shù)據(jù)庫，完成初步的數(shù)據(jù)預(yù)處理和特征工程，得到準確有效的預(yù)測模型。在這一階段選擇keras開源深度學習框架完成搭建，從實際運用來看，所搭建形成的神經(jīng)網(wǎng)絡(luò)預(yù)測性能較優(yōu)，而且在線能力較強，可以實現(xiàn)實時設(shè)計優(yōu)化。專家知識庫中包含國家標準、專家評分、歸納總結(jié)三個層面。所謂專家評分機制，就是在過往的工程經(jīng)驗上，結(jié)合用戶輸入的信息數(shù)據(jù)進行評價，通過評分機制找到評分最高的配合比。相應(yīng)的評分原則也要進行具體的設(shè)計，包括但不限于抗壓強度高于標準值、配合比滿足用戶需求，以及混凝土、水泥、粗細集料型號品種相同等。還需要結(jié)合國家標準明確配合比的約束條件，形成基準配合比。混凝土配合比微調(diào)是這一模型中的最后一部分，公式（1）為微調(diào)模型中的具體公式，其主要針對的是經(jīng)濟偏向型配合比。還可以根據(jù)碳排放量、抗壓強度等指標，設(shè)計出環(huán)境偏向型、強度偏向型和均衡型。需要注意的是，微調(diào)階段是在已經(jīng)滿足最優(yōu)配比方案上對配合比展開的進一步調(diào)整，因此可以根據(jù)實際需求進行選擇，確保混凝土質(zhì)量。

式中：

C——用量；

W——價格，各W項依次分別為：小石、大石、細砂、中砂、粗砂、石灰石、粉煤灰、減水劑、水泥、水等的價格。

2.2 實際應(yīng)用分析

在實際處理中，借助配合比數(shù)據(jù)庫和keras開源深度學習框架完成多目標需求的計算分析，可以獲得候選最優(yōu)配合比，根據(jù)具體的工程強度要求和單方生產(chǎn)成本、單方生產(chǎn)碳排放量，進一步明確不同材料組分的用量限制和參數(shù)比例。為了進一步驗證混凝土數(shù)據(jù)情況，借助該人工智能模型設(shè)計相應(yīng)的混凝土，輸入配合比要求和具體的水泥型號、細集料、粗集料、減水劑等方面的數(shù)據(jù)[3]。經(jīng)過初步處理后，按照混凝土兩個強度等級，分別得到三個設(shè)計方案，表1為C30設(shè)計優(yōu)化前后數(shù)據(jù)對比，表2為設(shè)計優(yōu)化前后性能對比。從具體的數(shù)據(jù)中不難看出，設(shè)計優(yōu)化后的數(shù)據(jù)配合比更優(yōu)。需要注意的是，此處選擇的設(shè)計數(shù)據(jù)為基準配合比，后續(xù)可根據(jù)實際要求展開微調(diào)，以此在滿足經(jīng)濟要求的同時保證生態(tài)環(huán)保效果。從實際應(yīng)用性能效果來看，在實際發(fā)展過程中借助隨機森林算法和keras開源深度學習框架完成配合比優(yōu)化設(shè)計，充分考慮到不同目標之間的關(guān)聯(lián)性。這種模型不僅可以完成高精度的預(yù)測，還可以根據(jù)建筑工程的不同要求給出最優(yōu)配合比參數(shù)。

表1 優(yōu)化前后混凝土配合比的變化

表2 優(yōu)化前后混凝土的性能

三種設(shè)計方案給設(shè)計人員提供了更多的選擇空間，具有很好的指導(dǎo)作用和應(yīng)用價值。不僅如此，這種混凝土配合比模型不僅能夠?qū)ΤB(tài)混凝土進行設(shè)計優(yōu)化，還可以對高性能混凝土、碾壓混凝土進行優(yōu)化，設(shè)計模型實用性較強，相比較傳統(tǒng)的混凝土配合比設(shè)計方法來講，模型設(shè)計優(yōu)化后配合比數(shù)據(jù)更加合理、經(jīng)濟、環(huán)保，整體效果更加突出。另外，在人工智能的輔助下，可以找出影響混凝土不合格的主要指標，還可以模擬基準混凝土配合比數(shù)據(jù)下，混凝土的具體工作性能，包括：坍落度、含氣量、表觀密度、流速、流動性、柔和性、黏聚性、包裹性等方面，在這個過程中，能夠清晰直觀地看見混凝土配合比調(diào)整問題，完整記錄這一過程，能夠為混凝土生產(chǎn)、技術(shù)提出具體參考依據(jù)。在這種人工智能模型中可以針對混凝土配合比進行重復(fù)試驗，直到不同性能指標合格為止，包括抗?jié)B、抗凍、彈性模量、碳化、抗腐蝕等方面，為最終確定混凝土配合比奠定基礎(chǔ)。在人工智能模式下，數(shù)據(jù)分析工作能夠高效高質(zhì)地開展，混凝土中不同性能變化主要原因也能夠借助這一模型進行分析，和易性較弱、含氣量不合格、柔和性較差、黏度不正常等問題也可以在這一人工智能模型中找到相應(yīng)的原因，并且可為后續(xù)混凝土工作的開展制定具體的施工計劃和施工方案。在人工智能模型設(shè)計下，最優(yōu)解并不唯一，會根據(jù)不同偏向理論找到相對應(yīng)配合比參數(shù)，根據(jù)試拌的結(jié)果來看，配合比優(yōu)化后抗壓強度和給定值相近，不會出現(xiàn)強度不足或者強度冗余等問題。

3 結(jié)束語

混凝土是建筑領(lǐng)域中應(yīng)用十分廣泛的材料，目前以28d抗壓強度作為主要的混凝土質(zhì)量判斷依據(jù)。通過人工智能手段，引入全新的設(shè)計模型可以更好地完成混凝土配合比設(shè)計，在降低材料成本的同時，提高材料的質(zhì)量和環(huán)保性能是現(xiàn)階段重點。本文設(shè)計出的人工智能混凝土配合比優(yōu)化設(shè)計模型，適用不同類型的混凝土，準確性較高，尤其是在28d抗壓強度這一指標的預(yù)測精度上，效果突出，框架成熟，操作容易上手。未來還需要不斷提高模型的精度和通用性，根據(jù)混凝土的應(yīng)用需求展開多元化的設(shè)計。