[01682049]基于贝叶斯原理的混凝土收缩徐变预测软件V1.0

再生混凝土能够将废弃的混凝土再利用,顺应当前绿色、环保的建材发展趋势,对其性能的研究在学术界得到广泛重视。收缩徐变是再生混凝土的一项重要性能指标,它能够使结构的内力、变形随着时间发生变化,尤其是对预应力、大跨度等在变形、应力方面有较高要求的结构,掌握收缩徐变的情况对结构安全性分析具有重要意义。试验方法是当前确定再生混凝土收缩徐变的主要方法,然而试验方法面临着周期长、费用较高、建立在试验数据基础上的经验公式难以囊括众多影响因素等问题。为此,一些学者将神经网络（ANN）非确定性方法引入再生混凝土收缩徐变研究中,为再生混凝土收缩徐变的确定提供了一条新思路。但是神经网络方法本身存在着对样本依赖性强、网络结构难以确定等不足之处,对于小样本问题推广能力有一定的局限性。为此,寻求更加合理、有效的新的不确定性预测方法是很有必要的。高斯过程（Gaussian process,GP）是在贝叶斯原理的基础上提出的一种新兴机器学习方法,它有着严格的统计学推导背景,能够处理小样本、高维度、非线性等复杂不确定性问题,并且具有参数自适应获取、结构框架简单等突出优点,在土木工程很多领域得到成功应用。相关向量机（Relevance Vector Machine, 以下简称RVM）是Tipping M E于2000年在稀疏贝叶斯学习理论基础上提出的一种机器学习方法,该方法结合了贝叶斯理论、马尔科夫性质、最大似然估计以及自动相关决定先验等理论,在保证分类精度与支持向量机相同的情况下,极大的减少了核函数的计算量。并且,RVM保持了良好的泛化能力,在获得稀疏性和预测概率性方面也取得了很好的效果,使预测计算速度更快。本软件采用基于高斯过程和相关向量机方法对再生混凝土收缩徐变进行预测。在给定训练样本的前提下,通过机器学习得到预测值,特别适于试验困难、造价高的再生混凝土收缩徐变测定。与传统方法相比,本软件方法具有预测精度高、所需学习样本少、超参数自适应获取和方法容易实现等优点。