钢筋混凝土施工质量评价的智能方法.pdf

2 0 1 0 年 第 8期 (总 第 2 5 0 期 ) Nu mb e r 8 i n 2 0 1 0 ( T o t a l No ． 2 5 0 ) 混 凝 土 Co nc r e t e 理论研究 THEORETI CAL RES EARCH d o i ： 1 0 ． 3 9 6 9 ~ ． i s s n ． 1 0 0 2 — 3 5 5 0 ． 2 0 1 0 ． 0 8 ．0 1 2 钢筋混凝土施工质量评价的智能方法 奠轻兵 ( 广西经济管理干部学院 建筑管理系，广西 南宁 5 3 0 0 0 7 ) 摘要： 将智能方法引入到钢筋混凝土施工质量评价研究中， 以模板工程、 钢筋工程、 混凝土工程施工质量为输入指标， 钢筋混凝土施工 质量程度为输出指标， 基于支持向量机建立钢筋混凝土施工质量评价的智能分析模型。并将该模型应用到工程实际中。 研究表明： 预测结 果能反映施工质量的优劣， 该模型回 判错误率低 ， 预测精度高， 为钢筋混凝土施工质量评价提供了一条新的途径。 关键词： 智能方法；钢筋混凝土； 施工质量 ； 评价指标 中图分 类号： T U5 2 8 ．0 1 文献标志码 ： A 文章编号 ： 1 0 0 2 — 3 5 5 0 ( 2 0 1 0 ) 0 8 — 0 0 3 5 — 0 3 I nt e l l i ge nc e as s e s s m e nt met ho d o f qua i l t y of r ei n f or c e d c onc r e t e c on st r u c t ion MOQ i n g - b i n g ( G u a n g x i E c o n o mi cMa n a g e me n t C a d r eC o l l e g e C o n s t r u c t i o nMa n a g e me n t ， Na n n i n g 5 3 0 0 0 7 ， C h i n a ) Ab s t r a c t ： Ac c o mp l i s h e s t h e s t a g e f o r e c a s t f o r c o n s t r u c t i o n p r o j e c t q u a l i t y e v a l u a t i o n b a s e d o nth e g r e a t n o n l in e a r f u n c t i o n a p p r o a c h i n g c a p a b i l i t y o f S VM ． Ac c o r d i n g t o c o n c r e t e p r e p a r a t i o n， t r a n s p o r t a t i o n ， c o n s t r u c t ， c o n s e r v e a s i mp o ~a t i o n l a ye r ， c o n c r e t e c o n s t r u c t i o n q u a l i t y r i s k d e gr e e a s o u t p u t l a y e r ， e s t a b l i s hSVM m o de l ， a n da c t u a l d a t awe r eu s e df o r t r a i n i n ga ndp r a c t i c eo f t h emo d e 1 ．TF i n a l l y， o b t a i n sd i g i t i z e dthe a p p r a i s a l r e s u l t c a nb ea c c u — r a t e ， a n d r e fl e c t c o n s t r u c t i o nq u a l i tythe fi t a n d u n fi t ， t h u s the w i d e p r o s p e c t o f S V M i n r i s k ma n a g e me n t o f e n g i n e e r i n g c o n s t r u c t i o n we r e p r e s e n t e d ． Ke ywor d s： i n t e l l i g e n c eme t h o d s ； q u a l i t yo f r e inf o r c e d； c o n c r e t e c o n s t r u c t i o n； e v a l u a t i o ni n d e x 0 引言 钢筋混凝土结构是 目前土木工程领域普遍采用的主要结 构。钢筋混凝土的施工质量是影响建筑结构安全和耐久性的主 要问题， 在建筑结构中起主要作用， 钢筋混凝土工程质量的好坏， 直接影响整个工程的质量与使用寿命 ] 。 鉴于此， 系统、 全面地 评价钢筋混凝土施工质量， 是工程施工管理工作的重要方面， 钢 筋混凝土施工质量评估体系中往往含有非定量的因素， 具有很大 的不确定性难以定量化， 这给评价带来很大的困难。原因是评价 体系的输入和输出之间的关系是复杂的非线性关系。 工程施工质 量评价是利用以往类似工程的数据，并运用一定的模型而进行 计算的。但这种方法由于影响因素多且复杂， 加之受到所收集数 据的随机性、 未确知性等的影响， 难以达到令人满意的精度 。 钢筋混凝土的质量与其影响因素之间的关系也呈现高度非线性 和不确定性特征。并且， 这些特征已不能用经典的数学模型来准 确描述。鉴于此 ， 本文从数据融合角度出发， 根据工程实际选择 影响因素建立钢筋混凝土的质量评价的样本数据，根据高度非 线性智能方法支持向量机理论对新样本学习月 ， 将智能方法引入 到钢筋混凝土施工质量评价研究中， 以模板工程、 钢筋工程、 混 凝土工程施工质量为输入指标， 钢筋混凝土施工质量程度为输出 指标， 基于支持向量机建立钢筋混凝土施工质量评价的智能分析 模型， 实现对钢筋混凝土的质量准确可靠的评价。 1 基于支持向量机的智能评价方法 1 ． 1 支持向量机二元分类评价基本原理 支持向量机是基于统计学习理论的创造性机器学习方法 】 ， 收稿 日期 ：2 0 1 0 - 0 3 - 2 1 是由V a p n i k 和他的合作者提出的。 其基本思想是通过用内积函数 定义的非线性变换将输入空间变换到—个高维空间， 在这个空间中 求( 广义) 最优分类面。 支持向量机有着严格的理论基础， 采用结构 风险最小化原则， 具有很好的推广能力； 支持向量机算法是一个凸 二次优化问题， 保证找到的解是全局最优解； 能较好地解决小样本、 非线性、 高维数等实际问题， 因此支持向量机是当今研究的热点问 题， 目前主要应用于模式识别、 回归分析等领域。 其基本原理女 I1 图 1 。 o o 分 图 1 支持 向量及分类线 图 1 中五角星和圆圈分别代表两类样本， H为分类线； H 、 H 分别为过各类中离分类线距离最近的样本且平行于分类线的直 线， 它们之间的距离叫做分类间隔； 最优分类线就是要求分类线 不但能将两类样本正确分开而且使分类间隔最大， 分类方程为： x + b = 0 ( 1 ) 式中 r 一 权重向量； 6 ——偏置量， 也称阀值。 35 学兔兔 w w w .x u e t u t u .c o m 对其进行归一化， 使得对线性可分的样本集( Y i ) ， i = 1 ， ⋯， k ； ； y ∈{ +l ， 一 1 } 满足： y [ w‘ 6 卜1 ≥0 ( 2 ) 此时分类问隔等于 2 ／ [1 w i I ，若使间隔最大等价于使 I 最 小。即满足式( 2 ) f l 使 1 ／ 2 ] iw N 最小的分类线为最优分类线 ； H ， H ： 上的训练样本点称为支持向量。文献[ 1 6 ] 中给出了求该最优 分类线问题 的解 ， 即分类 函数为 ： ) = s ig n J ∑ ( ) + 6 } ( 3 ) L i = 1 J 式中： 乘子O L 为目标函数： k ． k m a x ： iv ( ) = ∑ 一 ∑ 吁 乃 ( ) ( 4 ) i = 1 ￡t ． f t 在约束条件OL iI> 0 ； ∑ ： 0 下的极大值点， 非零 对应 的样 本点 为支持 向量 ， 则 得 ： f 6 一 WX 1 ： ’ 当样本为非线性时， 可以把样本 映射到某个高维特征空间G ， 并在 G中使用线性分类器 ， 即对 做变化 ： R 一G， 一 ( ) = ( 。 ( ) ， 咖 ( ) ， ⋯， ( ) ， ⋯) 其中： ( ) 为实函数。 根据 Me r c e r 条件 ， 在最优 分类面 中采用 不 同的内积 函数 K( x ) 就 可 以实 现某一非线性变换的线性分类， K( x ) 称为核函数， 此时 目标 函数变为 ： k ( ) = ∑d 一 1∑ y i ( ) ( 6 ) i I Z⋯1 则支持向量机得判决函数为： f ( x ) l ∑ iy i j + fJ I ( 7 ) L ￡ ： l J 对于二元分类问题 ， 如果 厂 ( ) 一 + l ， 则表示向量 属于第一 类i ， r ) 一 1 ， 则表示向量 禹于第二类。 1 ． 2 支持 向量机 多分类评价问题 从本质上看 ， 钢筋混凝 土施 工质量评价的问题其实 足一个 多类分类问题。本文采用 1 ． V— A方 法。其算法示意 如图 2 所 示 。钢筋混凝土施工质量评价属于 4类分类 问题 ， 其基本思 想 是构造 4个二元分类器， 每一类对应一个质量等级， 将它与其 他的类分开； 其中第 i 个二元分类器足把第 i 类中的样本都标记 为+ 1 ， 而其他所有的样本都标记为一 1 。 ( 1 一 V— AJ 分锯 分类器l l 1分类器2 l 1分类器3 I 1分类器4 A， V S Al l l l A VS A I l l l A VS A l l l i A V S AI I 垩 竺 堡 l 图 2 一对 多多分类方法 对于给定样本集( 麓 ， ) ， 净l ， ⋯， I ； x u R ； LI 或一 1 ， k = l ， 2 ， 3 ， 4 ， 第 k个分类器 的判别 函数为 ： r } ’ ( ) l ∑ ( ) + 厶 l ( 8 ) L i ：l J 3 6 式中： ( ) = + 1 表示钢筋混凝土施工质量评价属于第 k类等级， ( ) = 一 1 表示钢筋混凝土施1 一 质量 评价状态不属于该等级。 通过 4个模型( 分类器) ， 即可实现钢筋混凝土施： 顺 量 F 价的智能判驯。 1 ． 3 支持向量机 多分类问题基于MA T L A B语言的实现 MAT L AB 6 ． 5 是美 国 Ma t h wo r k s 公 司开发 的用 于数值 计算 与图像处理的软件。 该软件提供了许多专用： [ 具箱， 其中包括支 持向量机工具箱 。通过在 MAT L A B中凋川相关命令实现支持 向量机模型的训练、 测试等过程 其基本步骤包括： ( 1 ) 通过已知数据样本建立训练样本集。 ( 2 ) 选择合适的核函数 、 确定核函数参数以及惩 参数。 ( 3 ) 将洲练样本与各个参数代人式( 4 ) 求解乘子， 寻找支持 向量 ； 求解 ， b 值。 ( 4 ) 利 用式 ( 5 ) ， 求解 b值 代 入式( 7 ) 即可获得 第 i 类 状 态的分类 函数 。 ( 5 ) 利片 j 获得的 4个分类函数， 对未知类别样本进仃Ni ~ F ， 即可判断钢筋混凝土施T质量评价等级 2 钢筋混凝土工程施工质量评价指标体系建立 由于钢筋混凝土工程质量 主要受 到馍 板T崔施 工质量 、 钢 筋工程施工质量 、 混凝土工程施 质量 3方面因素的影响， 分别 以 ， ， 表示， 各因素包含诸多指标 素， 以 ， ⋯， 表 示 ， 详见 图 3 。 钢 筋 r 程 施 工 质 量 U 钢筋保 护层 过大或 过小“ 钢 筋锈蚀 严重“ 延伸率 冷湾不合格“ 同一 一 截 面钢筋 接 头过 多“ 绑 扎松扣 或焊接 虚焊 、 漏焊‰ 悬挑构 件 主筋放反 或 下沉“ 图 3 钢筋混凝土工程施工质量评价指标体 系 学兔兔 w w w .x u e t u t u .c o m 3 钢 筋混凝土施 工质量 的智能评 价方法应用 采用文献 [ 1 】 的有代 表性 的 2 5个 民用 住宅 I 程项 目质量 历 史数据( 弹见表 1 ) ， 进行实证研究( 为便于数据处理， 优级r I ) 对 应 1 0 ， 良级 ( I I ) 对 应 O ． 8 ， 中级 ( I I I ) 对 应 0 ． 6 ， 差 级 ( I V) 对 应 0 ．4 ) ．．I=} 1 表 2可 以看 ， 该方法 可以已有较好 的学习能力 ． 能 对 输入模式产生较好的反映 ， 以适用 于评 f + 将 几组数据输人 给 网络， 得 的输出与希单的相吻合， 说明该方法已具有自评估 的能力 表 1 钢筋混凝土工程质量评 价数据 4结语 针 对钢筋混凝 t的质量与其 影响 因素 之间 的关 系也呈 现 高度非线性和不确定性特征。本文从非线性智能分析角度H { 发， 根据丁程实际选择影响因素建立钢筋混凝土的质量评价的 样本数据，根据高度非线性支持向量机理论对新样本学习， 以 模板 lI 程 、 钢筋 程、 混凝士 I ： 程施—r质最为输入指标 ， 钢筋混 凝土施 1 质量程度为输 指标 ， 基于支持向量机的钢筋混凝土 质量的智能评价模型， 实现对钢筋混凝土的质量准确可靠的评 价。 研究发现， 预测结器能反映施T质量的优劣， 该模型同判错 误率低 ， 预测精度高， 为钢筋混凝土施 质量评价提供了一条 新 的方法。 表 2 钢 筋混凝土工程质量评价结果 参考文献 ： 【 1 ] 郑少瑛， 陈静茹． 基于神经网络在钢筋混凝土施工质量评价中的应 用研究 四川建筑科学研究 ， 2 0 0 9 ， 3 5 ( 6 ) ： 3 0 1 — 3 0 3 ． 【 2 ] J G J 5 5 —2 O H 0 0 ， 普通混凝土配合比设计规程[ s 1 ． 北京 ： 中国建筑工业 出版社 ， 2 0 0 1 ． f 3 】 孙建平． 建设工程质量安全风险管理[ M ] ． 北京 ： 中国建筑工业出版 社 ， 2 0 0 6 ． 【 4 】 董陇军， 李夕兵， 宫凤强臆；胀土胀缩等级分类中的末确知均值聚类 模型及应用『 J 1 ．中南大学学报， 2 0 0 8 ， 3 9 ( 5 ) ： 1 0 7 5 — 1 0 8 0 ． [ 5 】董陇军 ， 李夕兵 ， 宫凤强． 开采地面沉陷预测的未确知聚类预测模 型『 J 1 ． 中国地质灾害与防治学报， 2 0 0 8 ， 1 9 ( 2 ) ： 9 5 — 9 9 ． 【 6 ]黄鲲， 陈森发 ， 亓霞， 等． 基于粗集理论和支持向量机的多源信息融 合方法及应用『 J l1 ．模式识另 与人工智能， 2 0 0 5 ， 1 8 ( 3 ) ： 3 5 4 — 3 5 8 ． 【 7 ]夏建中， 罗战友， 龚晓南， 等． 基于支持向量机的砂土液化预测模型IJ 1 ． 岩石力学与工程学报 ， 2 0 0 5 ， 2 4 ( 2 2 ) ： 4 1 3 9 — 4 1 4 4 ． [ 8 】师旭超， 范量 ， 韩阳． 基于支持向量机方法的砂土地震液化分析f J 1 ． 河 南科技大学学报 ， 2 0 0 4 ， 2 5 ( 3 ) ： 7 4 — 7 6 ． f 9 】V A P N I K V ， 张学工． 统计学习理论的本质【 M ] ． 北京 ： 清华大学出版 社 ， 2 O ( ) o ． 作者简介 单位地址 ： 联 系电话 ： 莫轻兵( 1 9 6 6 一 ) ， 男， 讲师， 工学学士， 主要从事建筑工程管 理研究。 广西南宁市广西经济管理干部学院建筑管理系( 5 3 O 0 0 7 ) 1 3 3 7 71 8 23 1 9 37 学兔兔 w w w .x u e t u t u .c o m