[1]杨振宇,王 勇,张兴波,等.基于支持向量回归机的墙面抹灰机作业效果预测[J].西安建筑科技大学学报:自然科学版,2013,45(05):750-754.[doi:10.15986/j.1006-7930.2013.05.024]
　YANG Zhen-yu,WANG Yong,ZHANG Xing-bo,et al.Construction effect prediction for a wall plastering machine on SVR[J].J.Xi’an Univ. of Arch. & Tech.:Natural Science Edition,2013,45(05):750-754.[doi:10.15986/j.1006-7930.2013.05.024]
点击复制

基于支持向量回归机的墙面抹灰机作业效果预测()
分享到：

西安建筑科技大学学报:自然科学版[ISSN:1006-7930/CN:61-1295/TU]

卷:
45
期数:
2013年05期
页码:
750-754
栏目:
出版日期:
2013-10-31

文章信息/Info

Title:
Construction effect prediction for a wall plastering machine on SVR
文章编号:
1006-7930(2013)05-0750-05
作者:
杨振宇1; 2; 王 勇1; 张兴波3; 刘发英1
(1.山东理工大学机械工程学院,山东 淄博 255049; 2.中国农业大学工学院,北京 100083; 3.高青县科学技术局,山东 淄博 256300)
Author(s):
YANG Zhen-yu1; 2; WANG Yong1; ZHANG Xing-bo3; LIU Fa-ying1
(1.School of Mechanical Engineering, Shandong University of Technology, Zibo 255049,China; 2.College of Engineering, China Agricultural University, Beijing 100083,China; 3.Gaoqing Science and Technology Bureau, Zibo 256300,China)
关键词:
墙面抹灰机; 15d抗压强度; 预测; 支持向量回归机
Keywords:
wall plastering machine;  15d compressive strength;  prediction;  SVR
分类号:
TU 741.1
DOI:
10.15986/j.1006-7930.2013.05.024
文献标志码:
A
摘要:
为了能够预测墙面抹灰机机械施工墙面的15d抗压强度,提高施工质量、进度和作业效率.测定五种成分含量不同的100个普通混合砂浆抹灰后的15d抗压强度,将其中80个数据作为训练集样本,20个数据作为测试集样本.建立支持向量回归机模型预测墙面抹灰机机械施工墙面砂浆抗压强度,使用Matlab编程预测15d抗压强度.试验结果表明该方法训练集和测试集的均方误差分别为1.634 7×10-4和1.395 2×10-3, 决定系数分别达到0.998 88和0.994 92.因此所建立的支持向量回归机模型具有很好的泛化能力,为墙面抹灰机在施工过程中对墙面抗压强度的预测提供了依据.
Abstract:
In order to predict 15dcompressive strength of the wall conducted by the wall plastering machine and improve construction quality, construction progress and work efficiency,15 d strength of 100 ordinary mix mortar with five different kinds of composition are detected after the plastering construction, and 80 of the data are taken as the training sets samples, and 20 of data are as the test set samples. SVR model is established to predict wall mortar compressive strength after wall plastering machine’s work, and 15 d compressive strength are predicted by Matlab program. The test results show that the mean-square error of the training set and the testing set are respectively 1.634 7×10-4 and 1.395 2×10-3, and the decision coefficient of the training set and the testing set are respectively 0.998 88 and 0.994 92. Therefore, SVR model has good capacity of generalization, and it provides a basis for predicting 15dcompressive strength of the wall surface during the wall plastering machine is in operation

参考文献/References:

[1] 杨振宇, 巩传根, 刘芝霞, 等. 新型抹灰机的设计[J]. 建筑机械,2007,27(8):84-85.
YANG Zhen-yu, GONG Chuan-gen, LIU Zhi-xia, et al.Design of new plastering machine[J].Construction Ma-chinery, 2007,27(8):84-85.
[2] 张兴波. 抹灰机. 中国 ,200710152712.5[P].2007-09-10.
ZHANG Xing-bo.Plastering machine.China, 200710152712.5[P].2007-09-10.
[3] 季 韬, 林挺伟, 林旭健. 基于人工神经网络的混凝土抗压强度预测方法[J]. 建筑材料学报,2005,8(6):677-681.
JI Tao, LIN Ting-wei, LIN Xu-jian.Prediction method ofconcretecompressivestrength based on artificial neuralnetwork[J].Journal of Building Materials, 2005, 8(6): 677-681.
[4] 尚建丽, 权娟娟 , 欧阳孟学. 基于人工模拟环境下外墙饰面砖黏结强度的试验研究[J]. 西安建筑科技 大学学报: 自然科学版,2010,42(6):890-894.
SHANGJian-li, QUANJuan-juan, OUANG Meng-xue.Experimentalstudyonthe bondstrengthofveneer bricksforexterior walls based onlaboratorysimulationenvironment [J].J.Xi′an Univ.of Arch.& Tech: Natural Sci-ence Edition, 2010, 42(6): 890-894.
[5] 李文秀, 侯晓兵, 杨少冲, 等. 矿物掺合料对砂浆 质量影响的灰色预测模型 [J]. 河北 大 学 学 报: 自 然 科 学 版,2007,27(2):130-132.
LI Wen-xiu, HOU Xiao-bing, YANG Shao-chong, etal.Greyprediction modelforinfluenceof mineraladditiontomortar performance [J].Journal of Hebei University: Natural Science Edition, 2007, 27(2): 130-132.
[6 ] 李亚娇 , 沈 冰 , 李家科 , 等. 基于混沌支持向量机的径流时间序列预测 研究 ———以渭河宝鸡林家村站径流序列为例 [J]. 西安建筑科技大学学报: 自然科学版,2006,38(6):777-781.
LI Ya-jiao, SHEN Bing, LIJia-ke, etal.Researchonpredictionofrunofftimeseries basedonSVM [J].J.Xi′anUniv.of Arch.& Tech: Natural Science Edition, 2006, 38(6): 777-781.
[7] 李家科, 李怀恩, 赵 静. 支持向量机在非点源污 染负荷预测中的应用 [J]. 西安建筑科技大学学报: 自 然 科 学 版,2006,38(6):756-760.
LIJia-ke, LI Huai-en, ZHAOJing.Applicationofsupportvector machine methodinpredictionofnon-pointsourcepollutionload [J].J.Xi′an Univ.of Arch.& Tech. : Natural Science Edition, 2006, 38(6): 756-760.
[8] 李亚伟, 陈守煜, 韩小军. 基于支持 向 量 机 SVR 的 黄 河 凌 汛 预 报 方 法[J]. 大 连 理 工 大 学 学 报,2006,46(2):272-275.
LI Ya-wei, CHEN Shou-yu, HAN Xiao-jun.Yellow RivericefloodpredictionbasedonSVR [J].Journalof DalianUniversityof Technology, 2006, 46(2): 272-275.
[9] 刘俊萍, 畅明琦. 基于支持向量机的需水预测研究[J]. 太原理工大学学报,2008,39(3):299-302.
LIUJun-ping, CHANG Ming-qi.Water demand prediction model based onsupport vector machine[J].Journal ofTaiyuan Universityof Technology, 2008, 39(3): 299-302.
[10] 刘开云, 乔春生, 滕文彦 . 边坡位移非线性时间序列采用支持向量机算法的智能建模与预测研究[J]. 岩土工程学报,2004,26(1):57-61.
LIU Kai-yun, QIAO Chun-sheng, TENG Wen-yan.Research on non-lineartime sequenceintelligent model con-structionand predictionofslope displacement by using support vector machine algorithm[J].Chinese Journal ofGeotechnical Engineering, 2004, 26(1): 57-61.
[11] 王宝庆, 马奇涛. 非点源污染负 荷 预 测 研 究 现 状 及 发 展 趋 势 [J]. 西 安 建 筑 科 技 大 学 学 报: 自 然 科 学 版,2010,42(5):717-722.
WANG Bao-qing, MA Qi-tao.Predictionfor non-point source pollutionload current status and future progress[J].J.Xi′an Univ.of Arch.& Tech: Natural Science Edition, 2010, 42(5): 717-722.

备注/Memo

备注/Memo:
收稿日期:2013-01-18 修改稿日期:2013-09-10
基金项目:中央高校基本科研业务费专项资金资助项目(2013XJ005)
作者简介:杨振宇(1973-),男,山东淄博人,博士生,主要从事结构设计与试验研究.
更新日期/Last Update: 2015-10-05