一种长龄期矿物掺合料混凝土氯离子扩散系数预测方法及系统与流程

本发明涉及混凝土耐久性智能预测，尤其涉及长龄期矿物掺合料混凝土氯离子扩散系数预测方法及系统。

背景技术：

1、目前耐久性设计相关标准中，混凝土氯离子扩散系数对应的龄期要求不同，这就带来了不同规范对同一耐久性指标的协调匹配性问题，特别是针对矿物掺合料混凝土，由于其随着龄期的增加，矿物掺合料的继续水化会提高混凝土的抗氯离子侵入性能，因此对设计人员如何选定抗氯离子扩散系数的具体指标及其对应的龄期带来困扰。

2、此外，实际工程中，若设计采用较长龄期如56天或84天的指标，在进行混凝土配合比筛选时需要耗费较长的时间，代价较大；若实际工程的进度非常紧张，等不及56天或84天的试验结果，为了解决这种矛盾、降低不满足设计要求的风险，施工方往往将混凝土配合比设计的过于保守，进而带来混凝土造价不必要地上涨等问题。

3、公开于该背景技术部分的信息仅仅旨在加深对本公开总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。

技术实现思路

1、本发明提供了长龄期矿物掺合料混凝土氯离子扩散系数预测方法及系统，可有效解决背景技术中的问题。

2、为了达到上述目的，本发明所采用的技术方案是：

3、长龄期矿物掺合料混凝土氯离子扩散系数预测方法，所述方法包括：

4、确定不同组分比例的矿物掺合料方案，并确定龄期评估时间点；

5、根据所述矿物掺合料方案对应采集历史龄期数据样本，将所述历史龄期数据样本转换成时间序列，并标记所述龄期评估时间点；

6、建立自回归模型，所述自回归模型基于所述时间序列对所述历史龄期数据样本进行深度学习；

7、获取待预测的矿物掺合料混凝土信息，所述矿物掺合料混凝土信息包括至少一个龄期评估时间点以及对应的氯离子扩散系数；

8、通过自回归模型匹配所述矿物掺合料混凝土的材料信息和配比信息，并对未发生的龄期评估时间点对应的氯离子扩散系数进行预测，获得氯离子扩散系数预测结果。

9、进一步地，所述自回归模型基于所述时间序列对所述历史龄期数据样本进行深度学习，包括：

10、确定所述时间序列的时间间隔，所述时间间隔将所述时间序列划分为各个数据点；

11、将每个所述数据点与其前一个数据点相减，将相减后的结果组成一阶差分时间序列；

12、检测所述一阶差分时间序列是否平稳，若否，进行二阶差分操作，所述二阶差分操作是对一阶差分时间序列再次进行差分，直至n阶时间序列呈现平稳。

13、进一步地，检测所述一阶差分时间序列是否平稳，包括：

14、建立零假设为所述一阶差分时间序列存在单位根，所述单位根为所述一阶差分时间序列中的不稳定成分；

15、计算获得所述一阶差分时间序列的标准差；

16、根据所述标准差与单位根统计量计算获得平稳判断值，计算公式采用如下式：

17、平稳判断值＝单位根统计量/标准差；

18、确定决策标准临界值，并将所述平稳判断值和所述决策标准临界值进行比较，若所述平稳判断值小于所述决策标准临界值，判定为拒绝所述零假设，若所述平稳判断值大于等于所述决策标准临界值，判定为无法拒绝所述零假设；

19、根据比较的结果，获得序列平稳性结果，拒绝所述零假设对应序列平稳，无法拒绝所述零假设对应序列不平稳。

20、进一步地，所述标准差的计算采用下式：

21、

22、其中，s表示标准差，xi表示每个数据点的值，表示数据集的均值，n表示所述一阶差分时间序列数据点的数量。

23、进一步地，对差分时间序列进行滑动平均处理，包括：

24、设置滑动窗口，并定义所述滑动窗口大小，所述滑动窗口在差分时间序列上进行滑动；

25、设置滑动时间步长，分别计算获得每个滑动窗口内数据点的平均值，作为滑动平均值；

26、将各个滑动平均值组成滑动平均序列，并输入至所述自回归模型。

27、进一步地，建立自回归模型，包括：

28、选择深度学习法对所述历史龄期数据样本进行深度学习；

29、基于深度学习结果设置输入端和输出端；

30、构建训练集合验证集对所述深度学习结果进行训练和验证，并对深度学习法进行优化。

31、进一步地，还包括：

32、基于至少一个龄期评估时间对应的氯离子扩散系数以及通过所述自回归模型对未发生的龄期评估时间点对应的所述氯离子扩散系数的预测结果对下个发生发的龄期评估时间点对应的所述氯离子扩散系数进行换算，基于换算结果与设计要求进行比较，作为调整混凝土配合比的依据或评判混凝土氯离子扩散系数是否满足设计要求的依据。

33、长龄期矿物掺合料混凝土氯离子扩散系数预测系统，所述系统包括：

34、矿物掺合料方案确定模块，确定不同组分比例的矿物掺合料方案，并确定龄期评估时间点；

35、历史龄期数据采集模块，根据所述矿物掺合料方案对应采集历史龄期数据样本，将所述历史龄期数据样本转换成时间序列，并标记所述龄期评估时间点；

36、自回归模型建立模块，建立自回归模型，所述自回归模型基于所述时间序列对所述历史龄期数据样本进行深度学习；

37、混凝土信息获取模块，获取待预测的矿物掺合料混凝土信息，所述矿物掺合料混凝土信息包括至少一个龄期评估时间点以及对应的氯离子扩散系数；

38、氯离子扩散系数预测模块，通过自回归模型匹配所述矿物掺合料混凝土的材料信息和配比信息，并对未发生的龄期评估时间点对应的氯离子扩散系数进行预测，获得氯离子扩散系数预测结果。

39、进一步地，所述自回归模型建立模块包括：

40、时间间隔划分单元，确定所述时间序列的时间间隔，所述时间间隔将所述时间序列划分为各个数据点；

41、差分时间序列获得单元，将每个所述数据点与其前一个数据点相减，将相减后的结果组成一阶差分时间序列；

42、序列平稳性检测单元，检测所述一阶差分时间序列是否平稳，若否，进行二阶差分操作，所述二阶差分操作是对一阶差分时间序列再次进行差分，直至n阶时间序列呈现平稳。

43、进一步地，所述氯离子扩散系数预测模块包括：

44、换算系数获取单元，基于至少一个龄期评估时间点以及对应的氯离子扩散系数对未发生的龄期评估时间点对应的氯离子扩散系数进行换算，获得对应的龄期评估时间点的氯离子扩散换算系数；

45、系数拟合单元，将氯离子扩散换算系数和所述自回归模型的输出结果进行拟合，获得氯离子扩散系数预测结果。

46、通过本发明的技术方案，可实现以下技术效果：

47、有效解决了在进行混凝土配合比筛选时需要耗费较长的时间问题，且降低设计要求风险，缓解工程的进度紧张，将混凝土配合比设计的更加合理，进而控制混凝土造价在合理的极限范围。

48、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。