本發(fā)明涉及數(shù)據(jù)處理，特別涉及一種混凝土構(gòu)件峰值應(yīng)變表達(dá)式的擬合方法和裝置。

背景技術(shù)：

1、對鋼筋混凝土構(gòu)件(簡稱混凝土構(gòu)件)的峰值應(yīng)變εcc影響最顯著的主要設(shè)計參數(shù)有：箍/縱筋配筋率、箍/縱筋強(qiáng)度和混凝土強(qiáng)度等；而由箍筋配筋率、箍筋強(qiáng)度和混凝土強(qiáng)度又能算出對應(yīng)的配箍特征值λt，由縱筋配筋率、縱筋強(qiáng)度和混凝土強(qiáng)度又能算出對應(yīng)的配筋特征值λs；也就是說峰值應(yīng)變εcc與配箍特征值λt和配筋特征值λs之間存在一定的映射關(guān)系。如果能將這個映射關(guān)系以峰值應(yīng)變表達(dá)式(λt、λs為自變量，εcc為因變量)的形式給出就能在設(shè)計參數(shù)不全的情況下，幫助質(zhì)量檢驗(yàn)人員或工程設(shè)計人員僅根據(jù)三個變量(λt、λs、εcc)中的任兩個已知量快速估算出另一個未知量。遺憾的是目前尚沒有類似表達(dá)式用于實(shí)際工程應(yīng)用中。而本發(fā)明要解決的技術(shù)問題也正是如何設(shè)置這個峰值應(yīng)變表達(dá)式以及如何對這個峰值應(yīng)變表達(dá)式的變量系數(shù)進(jìn)行確認(rèn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的，就是針對現(xiàn)有技術(shù)的缺陷，提供一種混凝土構(gòu)件峰值應(yīng)變表達(dá)式的擬合方法、裝置、電子設(shè)備及計算機(jī)可讀存儲介質(zhì)。本發(fā)明先構(gòu)建一個用于根據(jù)混凝土構(gòu)件的設(shè)計參數(shù)清單預(yù)測峰值應(yīng)變的第一預(yù)測模型，并基于一個帶有驗(yàn)證標(biāo)簽的數(shù)據(jù)集(第一數(shù)據(jù)集)對第一預(yù)測模型進(jìn)行訓(xùn)練；并對以配箍特征值和配筋特征值為自變量、以峰值應(yīng)變?yōu)橐蜃兞康姆逯祽?yīng)變表達(dá)式進(jìn)行設(shè)置：εcc＝ε0(1+αλt+βλs)；并基于一個不帶驗(yàn)證標(biāo)簽的模擬數(shù)據(jù)集(第二數(shù)據(jù)集)和第一預(yù)測模型構(gòu)建一個用于表達(dá)式系數(shù)擬合運(yùn)算的數(shù)據(jù)集(第三數(shù)據(jù)集)；再基于第三數(shù)據(jù)集對該峰值應(yīng)變表達(dá)式的配箍特征系數(shù)α和配筋特征系數(shù)β的最優(yōu)值進(jìn)行擬合運(yùn)算；最后基于最優(yōu)配箍特征系數(shù)α*和最優(yōu)配筋特征系數(shù)β*對峰值應(yīng)變表達(dá)式進(jìn)行定型：εcc＝ε0(1+α*λt+β*λs)。將本發(fā)明給出的峰值應(yīng)變表達(dá)式用于實(shí)際工程應(yīng)用中，可以幫助質(zhì)量檢驗(yàn)人員或工程設(shè)計人員僅根據(jù)三個變量(λt、λs、εcc)中的任兩個已知量快速估算出另一個未知量，達(dá)到降低人員工作難度、提高工作效率的目的。

2、為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例第一方面提供了一種混凝土構(gòu)件峰值應(yīng)變表達(dá)式的擬合方法，所述方法包括：

3、構(gòu)建一個用于根據(jù)混凝土構(gòu)件的設(shè)計參數(shù)清單預(yù)測峰值應(yīng)變的第一預(yù)測模型；并基于預(yù)設(shè)的第一數(shù)據(jù)集對所述第一預(yù)測模型進(jìn)行訓(xùn)練；所述設(shè)計參數(shù)清單包括十九類構(gòu)件設(shè)計參數(shù)；

4、構(gòu)建一個以配箍特征值和配筋特征值為自變量、以峰值應(yīng)變?yōu)橐蜃兞康木€性表達(dá)式作為對應(yīng)的峰值應(yīng)變表達(dá)式；所述峰值應(yīng)變表達(dá)式為εcc＝ε0(1+αλt+βλs),其中，εcc為峰值應(yīng)變，ε0為預(yù)設(shè)的素混凝土峰值應(yīng)變常數(shù)，λt為配箍特征值、λs為配筋特征值，α為配箍特征系數(shù)、β為配筋特征系數(shù)；

5、基于預(yù)設(shè)的第二數(shù)據(jù)集和所述第一預(yù)測模型構(gòu)建一個用于擬合運(yùn)算的數(shù)據(jù)集記為對應(yīng)的第三數(shù)據(jù)集；

6、基于所述第三數(shù)據(jù)集對所述峰值應(yīng)變表達(dá)式的所述配箍特征系數(shù)α和所述配筋特征系數(shù)β的最優(yōu)值進(jìn)行擬合運(yùn)算得到對應(yīng)的最優(yōu)配箍特征系數(shù)α*和最優(yōu)配筋特征系數(shù)β*；

7、基于所述最優(yōu)配箍特征系數(shù)α*和最優(yōu)配筋特征系數(shù)β*設(shè)置所述峰值應(yīng)變表達(dá)式的擬合結(jié)果；所述擬合結(jié)果為εcc＝ε0(1+α*λt+β*λs)；所述最優(yōu)配箍特征系數(shù)α*和所述最優(yōu)配筋特征系數(shù)β*的一組系數(shù)值為：α*＝1.997，β*＝0.869。

8、優(yōu)選的，所述構(gòu)件設(shè)計參數(shù)包括箍筋短軸尺寸、箍筋長軸尺寸、箍筋截面面積、箍筋截面慣性矩、箍筋外形編碼、箍筋間距、箍筋配筋率、箍筋強(qiáng)度、箍筋肢數(shù)、混凝土強(qiáng)度、截面尺寸、混凝土保護(hù)層厚度、構(gòu)件縱向尺寸、構(gòu)件高寬比、構(gòu)件截面形狀、縱筋強(qiáng)度、縱筋配筋率、配箍特征值和配筋特征值；

9、所述第一數(shù)據(jù)集包括多個第一數(shù)據(jù)記錄；所述第一數(shù)據(jù)記錄包括第一訓(xùn)練參數(shù)清單和第一標(biāo)簽峰值應(yīng)變；所述第一訓(xùn)練參數(shù)清單包括十九類所述構(gòu)件設(shè)計參數(shù)；

10、所述第二數(shù)據(jù)集為一個模擬數(shù)據(jù)集由多個第二數(shù)據(jù)記錄組成；每個所述第二數(shù)據(jù)記錄由十九類模擬的所述構(gòu)件設(shè)計參數(shù)組成；

11、所述第二數(shù)據(jù)集中，所有模擬的箍筋短軸尺寸都在一個預(yù)設(shè)的尺寸范圍內(nèi)并滿足正態(tài)分布，所有模擬的箍筋長軸尺寸都在一個預(yù)設(shè)的尺寸范圍內(nèi)并滿足正態(tài)分布，所有模擬的箍筋間距都在一個預(yù)設(shè)的間距范圍內(nèi)并滿足正態(tài)分布，所有模擬的箍筋強(qiáng)度都在一個預(yù)設(shè)的強(qiáng)度范圍內(nèi)并滿足正態(tài)分布，所有模擬的混凝土強(qiáng)度都在一個預(yù)設(shè)的強(qiáng)度范圍內(nèi)并滿足正態(tài)分布，所有模擬的截面尺寸都在一個預(yù)設(shè)的尺寸范圍內(nèi)并滿足正態(tài)分布，所有模擬的混凝土保護(hù)層厚度都在一個預(yù)設(shè)的厚度范圍內(nèi)并滿足正態(tài)分布，所有模擬的縱筋強(qiáng)度都在一個預(yù)設(shè)的強(qiáng)度范圍內(nèi)并滿足正態(tài)分布，所有模擬的縱筋配筋率都在一個預(yù)設(shè)的配筋率范圍內(nèi)并滿足正態(tài)分布；

12、所述第二數(shù)據(jù)集中，所有模擬的箍筋外形編碼都在一個預(yù)設(shè)的編碼范圍內(nèi)并滿足均勻分布，所有模擬的箍筋肢數(shù)都在一個預(yù)設(shè)的肢數(shù)范圍內(nèi)并滿足均勻分布，所有模擬的構(gòu)件高寬比都在一個預(yù)設(shè)的高寬比范圍內(nèi)并滿足均勻分布；

13、所述第二數(shù)據(jù)集中，各個所述第二數(shù)據(jù)記錄中模擬的箍筋截面面積都基于當(dāng)前記錄中模擬的箍筋長/短軸尺寸計算得到；各個所述第二數(shù)據(jù)記錄中模擬的箍筋截面慣性矩都基于當(dāng)前記錄中模擬的箍筋截面面積計算得到；各個所述第二數(shù)據(jù)記錄中模擬的箍筋配筋率都基于當(dāng)前記錄中模擬的箍筋截面面積、箍筋間距和箍筋肢數(shù)計算得到；各個所述第二數(shù)據(jù)記錄中模擬的構(gòu)件縱向尺寸都基于當(dāng)前記錄中模擬的截面尺寸和構(gòu)件高寬比計算得到；各個所述第二數(shù)據(jù)記錄中模擬的構(gòu)件截面形狀都為一個預(yù)設(shè)的形狀編碼范內(nèi)的隨機(jī)編碼；各個所述第二數(shù)據(jù)記錄中模擬的配箍特征值都基于當(dāng)前記錄中模擬的箍筋配筋率、箍筋強(qiáng)度和混凝土強(qiáng)度計算得到；各個所述第二數(shù)據(jù)記錄中模擬的配筋特征值都基于當(dāng)前記錄中模擬的縱筋配筋率、縱筋強(qiáng)度和混凝土強(qiáng)度計算得到；

14、所述第三數(shù)據(jù)集包括多個第三數(shù)據(jù)記錄；所述第三數(shù)據(jù)記錄包括第一配箍特征值、第一配筋特征值和第二標(biāo)簽峰值應(yīng)變。

15、優(yōu)選的，所述第一預(yù)測模型包括歸一化模塊、bp網(wǎng)絡(luò)和反歸一化模塊；所述歸一化模塊的輸出與所述bp網(wǎng)絡(luò)的輸入連接，所述bp網(wǎng)絡(luò)的輸出與所述反歸一化模塊的輸入連接；

16、所述歸一化模塊用于對模型輸入的所述設(shè)計參數(shù)清單中每類所述構(gòu)件設(shè)計參數(shù)進(jìn)行歸一化計算得到對應(yīng)的歸一化參數(shù)；并由得到的十九類所述歸一化參數(shù)組成對應(yīng)的第一輸入向量向所述bp網(wǎng)絡(luò)發(fā)送；

17、所述bp網(wǎng)絡(luò)包括輸入層、隱藏層和輸出層；

18、所述輸入層由十九個并行的輸入層單元組成；每個所述輸入層單元用于接收所述第一輸入向量中的一類所述歸一化參數(shù)作為對應(yīng)的第一輸入單元值；

19、所述隱藏層由多個并行的隱藏層單元組成，每個所述隱藏層單元與所有所述輸入層單元全連接；每個所述隱藏層單元用于對所有所述第一輸入單元值進(jìn)行全連接計算得到對應(yīng)的第一全連接向量，并基于預(yù)測的隱藏層激活函數(shù)對所述第一全連接向量進(jìn)行激活計算得到對應(yīng)的第一激活向量；所述隱藏層激活函數(shù)至少包括sigmoid函數(shù)；

20、所述輸出層只有一個輸出層單元，所述輸出層單元與所有所述隱藏層單元全連接；所述輸出層單元用于對所有所述第一激活向量進(jìn)行全連接計算得到對應(yīng)的第二全連接向量，并基于預(yù)測的輸出層激活函數(shù)對所述第二全連接向量進(jìn)行激活計算得到對應(yīng)的第一激活數(shù)據(jù)，并將所述第一激活數(shù)據(jù)作為對應(yīng)的歸一化峰值應(yīng)變向所述反歸一化模塊發(fā)送；所述輸出層激活函數(shù)至少包括sigmoid函數(shù)；

21、所述反歸一化模塊用于對所述歸一化峰值應(yīng)變進(jìn)行反歸一化計算得到對應(yīng)的預(yù)測峰值應(yīng)變并輸出。

22、優(yōu)選的，所述基于預(yù)設(shè)的第一數(shù)據(jù)集對所述第一預(yù)測模型進(jìn)行訓(xùn)練，具體包括：

23、將所述第一預(yù)測模型的所述bp網(wǎng)絡(luò)的輸入層寬度win設(shè)為19、輸出層寬度wout設(shè)為1，并基于得到由多個隱藏層寬度wh組成的隱藏層寬度范圍；fint()為向下取整函數(shù)，△w的取值范圍為[1,n]，預(yù)設(shè)數(shù)量n為一個大于或等于2的偶數(shù)；所述隱藏層寬度范圍包括n個所述隱藏層寬度wh；

24、基于各個所述隱藏層寬度wh對所述第一預(yù)測模型的所述bp網(wǎng)絡(luò)的隱藏層單元總數(shù)進(jìn)行設(shè)置得到對應(yīng)的第一結(jié)構(gòu)bp網(wǎng)絡(luò)；并將帶有各個所述第一結(jié)構(gòu)bp網(wǎng)絡(luò)的所述第一預(yù)測模型記為對應(yīng)的第一結(jié)構(gòu)預(yù)測模型；

25、基于gp算法根據(jù)所述第一數(shù)據(jù)集對所有所述第一結(jié)構(gòu)預(yù)測模型的模型參數(shù)進(jìn)行迭代優(yōu)化并在迭代次數(shù)超過預(yù)設(shè)的迭代次數(shù)閾值時將其中性能最優(yōu)的所述第一結(jié)構(gòu)預(yù)測模型作為對應(yīng)的基版模型；

26、基于梯度下降算法根據(jù)所述第一數(shù)據(jù)集對所述基版模型進(jìn)行進(jìn)一步的模型參數(shù)優(yōu)化訓(xùn)練；并將訓(xùn)練結(jié)束時得到的所述基版模型作為最終的所述第一預(yù)測模型并輸出。

27、進(jìn)一步的，所述基于gp算法根據(jù)所述第一數(shù)據(jù)集對所有所述第一結(jié)構(gòu)預(yù)測模型的模型參數(shù)進(jìn)行迭代優(yōu)化并在迭代次數(shù)超過預(yù)設(shè)的迭代次數(shù)閾值時將其中性能最優(yōu)的所述第一結(jié)構(gòu)預(yù)測模型作為對應(yīng)的基版模型，具體包括：

28、步驟51，基于預(yù)設(shè)的第一提取比例從所述第一數(shù)據(jù)集中隨機(jī)提取出多個所述第一數(shù)據(jù)記錄組成對應(yīng)的第一評估集；

29、其中，所述第一提取比例為一個小于或等于1的百分比；所述第一數(shù)據(jù)集的記錄總數(shù)與所述第一提取比例的乘積和所述第一評估集的記錄總數(shù)匹配；

30、步驟52，對各個所述第一結(jié)構(gòu)預(yù)測模型的所述第一結(jié)構(gòu)bp網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)集進(jìn)行初始化；并對各個所述第一結(jié)構(gòu)bp網(wǎng)絡(luò)的當(dāng)前網(wǎng)絡(luò)參數(shù)集進(jìn)行參數(shù)向量轉(zhuǎn)換得到對應(yīng)的第一結(jié)構(gòu)參數(shù)向量；并為各個所述第一結(jié)構(gòu)預(yù)測模型設(shè)置一個對應(yīng)的第一模型誤差，并將各個所述第一模型誤差初始化為1；并將第一迭代計數(shù)器初始化為1；

31、步驟53，將各個所述第一結(jié)構(gòu)預(yù)測模型作為對應(yīng)的當(dāng)前預(yù)測模型；并對所述第一評估集的所有所述第一數(shù)據(jù)記錄進(jìn)行遍歷；并在遍歷時將當(dāng)前遍歷的所述第一數(shù)據(jù)記錄作為對應(yīng)的當(dāng)前數(shù)據(jù)記錄；并將所述當(dāng)前數(shù)據(jù)記錄的所述第一訓(xùn)練參數(shù)清單輸入所述當(dāng)前預(yù)測模型進(jìn)行預(yù)測處理得到對應(yīng)的第一訓(xùn)練預(yù)測峰值應(yīng)變；并由所述第一訓(xùn)練預(yù)測峰值應(yīng)變和所述當(dāng)前數(shù)據(jù)記錄的所述第一標(biāo)簽峰值應(yīng)變組成一個對應(yīng)的第一預(yù)測標(biāo)簽對；并在本次遍歷結(jié)束時，將所述當(dāng)前預(yù)測模型對應(yīng)的所有所述第一預(yù)測標(biāo)簽對帶入預(yù)設(shè)的第一誤差函數(shù)進(jìn)行誤差計算得到對應(yīng)的第一誤差值，并將所述當(dāng)前預(yù)測模型對應(yīng)的所述第一模型誤差重置為對應(yīng)的所述第一誤差值；

32、其中，所述第一誤差函數(shù)為mse誤差函數(shù)；

33、步驟54，將各個所述第一結(jié)構(gòu)預(yù)測模型對應(yīng)的所述第一模型誤差的倒數(shù)作為對應(yīng)的第一模型適應(yīng)度；并對得到的所有所述第一模型適應(yīng)度進(jìn)行總和計算得到對應(yīng)的第一適應(yīng)度總和；并將各個所述第一模型適應(yīng)度與所述第一適應(yīng)度總和的比值作為對應(yīng)的第一模型選擇概率；并按所述第一模型選擇概率從高到低的順序?qū)λ兴龅谝唤Y(jié)構(gòu)預(yù)測模型進(jìn)行排序得到對應(yīng)的第一結(jié)構(gòu)預(yù)測模型序列；

34、步驟55，將所述第一結(jié)構(gòu)預(yù)測模型序列的第1、2個所述第一結(jié)構(gòu)預(yù)測模型組成一個對應(yīng)的第一模型對，將第3、4個所述第一結(jié)構(gòu)預(yù)測模型組成一個對應(yīng)的所述第一模型對，依次類推，直到將最后兩個所述第一結(jié)構(gòu)預(yù)測模型組成一個對應(yīng)的所述第一模型對為止；并基于預(yù)設(shè)的個體交叉算法和預(yù)設(shè)的第一交叉概率對各個所述第一模型對的兩個所述第一結(jié)構(gòu)預(yù)測模型的所述第一結(jié)構(gòu)參數(shù)向量進(jìn)行向量數(shù)據(jù)交叉處理得到兩個對應(yīng)的所述第一結(jié)構(gòu)交叉參數(shù)向量；

35、其中，所述個體交叉算法為ga算法中的一類染色體交叉算法，所述染色體交叉算法至少包括單點(diǎn)交叉算法、多點(diǎn)交叉算法和算術(shù)交叉算法；

36、步驟56，基于預(yù)設(shè)的個體變異算法和預(yù)設(shè)的第一變異概率對各個所述第一結(jié)構(gòu)預(yù)測模型的所述第一結(jié)構(gòu)交叉參數(shù)向量進(jìn)行向量數(shù)據(jù)變異處理得到對應(yīng)的第一結(jié)構(gòu)變異參數(shù)向量；

37、其中，所述個體變異算法為ga算法中的一類染色體變異算法，所述染色體變異算法至少包括基本位變異算法、均勻變異算法、非均勻變異算法和高斯近似變異算法；

38、步驟57，對所述第一迭代計數(shù)器是否超過所述迭代次數(shù)閾值進(jìn)行識別；若超過，則轉(zhuǎn)至步驟58；若未超過，則基于各個所述第一結(jié)構(gòu)變異參數(shù)向量對對應(yīng)的所述第一結(jié)構(gòu)預(yù)測模型的所述第一結(jié)構(gòu)bp網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)集進(jìn)行一次參數(shù)重置，并對所述第一迭代計數(shù)器加1，并返回步驟53；

39、步驟58，將最新的所述第一結(jié)構(gòu)預(yù)測模型序列中的第一個所述第一結(jié)構(gòu)預(yù)測模型作為對應(yīng)的所述基版模型，并對所述基版模型的所述第一結(jié)構(gòu)bp網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)集進(jìn)行一次參數(shù)固化。

40、進(jìn)一步的，所述基于梯度下降算法根據(jù)所述第一數(shù)據(jù)集對所述基版模型進(jìn)行進(jìn)一步的模型參數(shù)優(yōu)化訓(xùn)練，具體包括：

41、步驟61，基于預(yù)設(shè)的第一比值對所述第一數(shù)據(jù)集進(jìn)行數(shù)據(jù)子集隨機(jī)分割得到對應(yīng)的第一訓(xùn)練集和第二評估集；

42、其中，所述第一訓(xùn)練集和第二評估集都包括多個所述第一數(shù)據(jù)記錄；所述第一訓(xùn)練集的記錄總數(shù)與所述第二評估集的記錄總數(shù)的比值滿足所述第一比值；

43、步驟62，將所述第一訓(xùn)練集的第一個所述第一數(shù)據(jù)記錄提取出來作為對應(yīng)的當(dāng)前訓(xùn)練記錄；

44、步驟63，將所述當(dāng)前訓(xùn)練記錄的所述第一訓(xùn)練參數(shù)清單輸入所述基版模型進(jìn)行預(yù)測處理得到對應(yīng)的第二訓(xùn)練預(yù)測峰值應(yīng)變；

45、步驟64，將所述第二訓(xùn)練預(yù)測峰值應(yīng)變和所述當(dāng)前訓(xùn)練記錄的所述第一標(biāo)簽峰值應(yīng)變帶入預(yù)設(shè)的第一模型損失函數(shù)進(jìn)行計算得到對應(yīng)的第一損失值；

46、其中，所述第一模型損失函數(shù)至少包括l1損失函數(shù)和l2損失函數(shù)；

47、步驟65，對所述第一損失值是否滿足預(yù)設(shè)的第一損失值范圍進(jìn)行識別；若所述第一損失值滿足所述第一損失值范圍，則對所述當(dāng)前訓(xùn)練記錄是否為所述第一訓(xùn)練集的最后一個所述第一數(shù)據(jù)記錄進(jìn)行識別，若是則轉(zhuǎn)至步驟66，若否則將所述第一訓(xùn)練集的下一個所述第一數(shù)據(jù)記錄提取出來作為新的所述當(dāng)前訓(xùn)練記錄并返回步驟63；若所述第一損失值不滿足所述第一損失值范圍，則基于預(yù)設(shè)的第一模型參數(shù)優(yōu)化器朝著使所述第一模型損失函數(shù)達(dá)到最小值的方向?qū)λ龌婺Ｐ瓦M(jìn)行一輪模型參數(shù)調(diào)制，并在本輪參數(shù)調(diào)制結(jié)束時返回步驟63；

48、其中，所述第一模型參數(shù)優(yōu)化器至少包括基于梯度下降算法的sgd優(yōu)化器和adam優(yōu)化器；

49、步驟66，對所述第二評估集的所有所述第一數(shù)據(jù)記錄進(jìn)行遍歷；并在遍歷時將當(dāng)前遍歷的所述第一數(shù)據(jù)記錄作為對應(yīng)的當(dāng)前評估記錄；并將所述當(dāng)前評估記錄的所述第一訓(xùn)練參數(shù)清單輸入所述基版模型進(jìn)行預(yù)測處理得到對應(yīng)的第三訓(xùn)練預(yù)測峰值應(yīng)變；并由所述第三訓(xùn)練預(yù)測峰值應(yīng)變和所述當(dāng)前評估記錄的所述第一標(biāo)簽峰值應(yīng)變組成一個對應(yīng)的第二預(yù)測標(biāo)簽對；

50、步驟67，在對所述第二評估集的所有所述第一數(shù)據(jù)記錄的遍歷結(jié)束后，將得到的所有所述第二預(yù)測標(biāo)簽對帶入預(yù)設(shè)的第二誤差函數(shù)進(jìn)行計算得到對應(yīng)的第二誤差值；

51、所述第二誤差函數(shù)至少包括mae誤差函數(shù)、mse誤差函數(shù)和rmse誤差函數(shù)；

52、步驟68，對所述第二誤差值是否大于預(yù)設(shè)的第一誤差閾值進(jìn)行識別；若是，則返回步驟61；若否，則對所述基版模型的所述第一結(jié)構(gòu)bp網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)集進(jìn)行一次參數(shù)固化并確認(rèn)所述基版模型的模型訓(xùn)練結(jié)束。

53、優(yōu)選的，所述基于預(yù)設(shè)的第二數(shù)據(jù)集和所述第一預(yù)測模型構(gòu)建一個用于擬合運(yùn)算的數(shù)據(jù)集記為對應(yīng)的第三數(shù)據(jù)集，具體包括：

54、對所述第二數(shù)據(jù)集的所有所述第二數(shù)據(jù)記錄進(jìn)行遍歷；并在遍歷時將當(dāng)前遍歷的所述第二數(shù)據(jù)記錄作為對應(yīng)的當(dāng)前數(shù)據(jù)記錄；并將所述當(dāng)前數(shù)據(jù)記錄中十九類模擬的所述構(gòu)件設(shè)計參數(shù)提取出來組成一個對應(yīng)的第二訓(xùn)練參數(shù)清單；并將第二訓(xùn)練參數(shù)清單輸入所述第一預(yù)測模型進(jìn)行預(yù)測處理得到對應(yīng)的第一預(yù)測峰值應(yīng)變，并將所述第一預(yù)測峰值應(yīng)變作為對應(yīng)的所述第二標(biāo)簽峰值應(yīng)變；并將所述當(dāng)前數(shù)據(jù)記錄的配箍特征值和配筋特征值提取出來作為對應(yīng)的所述第一配箍特征值和所述第一配筋特征值；并由得到的所述第一配箍特征值、所述第一配筋特征值所述第二標(biāo)簽峰值應(yīng)變組成一個對應(yīng)的所述第三數(shù)據(jù)記錄；并在遍歷結(jié)束時，由得到的所有所述第三數(shù)據(jù)記錄組成對應(yīng)的所述第三數(shù)據(jù)集。

55、優(yōu)選的，所述基于所述第三數(shù)據(jù)集對所述峰值應(yīng)變表達(dá)式的所述配箍特征系數(shù)α和所述配筋特征系數(shù)β的最優(yōu)值進(jìn)行擬合運(yùn)算得到對應(yīng)的最優(yōu)配箍特征系數(shù)α*和最優(yōu)配筋特征系數(shù)β*，具體包括：

56、步驟81，對所述第三數(shù)據(jù)集的所述第三數(shù)據(jù)記錄的記錄總數(shù)進(jìn)行統(tǒng)計得到對應(yīng)的總數(shù)m；并將各個所述第三數(shù)據(jù)記錄記為對應(yīng)的記錄ri，1≤索引i≤m；并將各個所述記錄ri的所述第一配箍特征值記為對應(yīng)的λt,i、所述第一配筋特征值記為對應(yīng)的λs,i、所述第二標(biāo)簽峰值應(yīng)變記為對應(yīng)的并基于所述峰值應(yīng)變表達(dá)式設(shè)置對應(yīng)的目標(biāo)函數(shù)f以及對應(yīng)的目標(biāo)函數(shù)限制條件；

57、所述目標(biāo)函數(shù)f為：

58、

59、εcc,i為將λt,i、λs,i帶入所述峰值應(yīng)變表達(dá)式εcc＝ε0(1+αλt+βλs)計算得到的峰值應(yīng)變；

60、所述目標(biāo)函數(shù)限制條件為:

61、

62、為εcc,i小于對應(yīng)的的概率；

63、這里，需要說明的是為進(jìn)一步提高擬合精度還可以根據(jù)實(shí)際應(yīng)用需求在目標(biāo)函數(shù)中增加定制的懲罰項(xiàng)，還可以對三項(xiàng)限制條件進(jìn)行進(jìn)一步的細(xì)化約束；

64、步驟82，基于cobyla算法根據(jù)所述目標(biāo)函數(shù)f以及對應(yīng)的所述目標(biāo)函數(shù)限制條件對所述峰值應(yīng)變表達(dá)式的所述配箍特征系數(shù)α和所述配筋特征系數(shù)β的最優(yōu)值進(jìn)行擬合運(yùn)算得到對應(yīng)的所述最優(yōu)配箍特征系數(shù)α*和所述最優(yōu)配筋特征系數(shù)β*。

65、本發(fā)明實(shí)施例第二方面提供了一種用于實(shí)現(xiàn)上述第一方面所述的混凝土構(gòu)件峰值應(yīng)變表達(dá)式的擬合方法的裝置，所述裝置包括：模型構(gòu)建與訓(xùn)練模塊、表達(dá)式構(gòu)建模塊、擬合運(yùn)算數(shù)據(jù)集準(zhǔn)備模塊、擬合運(yùn)算模塊和表達(dá)式定型模塊；

66、所述模型構(gòu)建與訓(xùn)練模塊用于構(gòu)建一個用于根據(jù)混凝土構(gòu)件的設(shè)計參數(shù)清單預(yù)測峰值應(yīng)變的第一預(yù)測模型；并基于預(yù)設(shè)的第一數(shù)據(jù)集對所述第一預(yù)測模型進(jìn)行訓(xùn)練；所述設(shè)計參數(shù)清單包括十九類構(gòu)件設(shè)計參數(shù)；

67、所述表達(dá)式構(gòu)建模塊用于構(gòu)建一個以配箍特征值和配筋特征值為自變量、以峰值應(yīng)變?yōu)橐蜃兞康木€性表達(dá)式作為對應(yīng)的峰值應(yīng)變表達(dá)式；所述峰值應(yīng)變表達(dá)式為εcc＝ε0(1+αλt+βλs),其中，εcc為峰值應(yīng)變，ε0為預(yù)設(shè)的素混凝土峰值應(yīng)變常數(shù)，λt為配箍特征值、λs為配筋特征值，α為配箍特征系數(shù)、β為配筋特征系數(shù)；

68、所述擬合運(yùn)算數(shù)據(jù)集準(zhǔn)備模塊用于基于預(yù)設(shè)的第二數(shù)據(jù)集和所述第一預(yù)測模型構(gòu)建一個用于擬合運(yùn)算的數(shù)據(jù)集記為對應(yīng)的第三數(shù)據(jù)集；

69、所述擬合運(yùn)算模塊用于基于所述第三數(shù)據(jù)集對所述峰值應(yīng)變表達(dá)式的所述配箍特征系數(shù)α和所述配筋特征系數(shù)β的最優(yōu)值進(jìn)行擬合運(yùn)算得到對應(yīng)的最優(yōu)配箍特征系數(shù)α*和最優(yōu)配筋特征系數(shù)β*；

70、所述表達(dá)式定型模塊用于基于所述最優(yōu)配箍特征系數(shù)α*和最優(yōu)配筋特征系數(shù)β*設(shè)置所述峰值應(yīng)變表達(dá)式的擬合結(jié)果；所述擬合結(jié)果為εcc＝ε0(1+α*λt+β*λs)；所述最優(yōu)配箍特征系數(shù)α*和所述最優(yōu)配筋特征系數(shù)β*的一組系數(shù)值為：α*＝1.997，β*＝0.869。

71、本發(fā)明實(shí)施例第三方面提供了一種電子設(shè)備，包括：存儲器、處理器和收發(fā)器；

72、所述處理器用于與所述存儲器耦合，讀取并執(zhí)行所述存儲器中的指令，以實(shí)現(xiàn)上述第一方面所述的方法步驟；

73、所述收發(fā)器與所述處理器耦合，由所述處理器控制所述收發(fā)器進(jìn)行消息收發(fā)。

74、本發(fā)明實(shí)施例第四方面提供了一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)指令，當(dāng)所述計算機(jī)指令被計算機(jī)執(zhí)行時，使得所述計算機(jī)執(zhí)行上述第一方面所述的方法的指令。

75、本發(fā)明實(shí)施例提供了一種混凝土構(gòu)件峰值應(yīng)變表達(dá)式的擬合方法、裝置、電子設(shè)備及計算機(jī)可讀存儲介質(zhì)。由上述內(nèi)容可知，本發(fā)明實(shí)施例先構(gòu)建一個用于根據(jù)混凝土構(gòu)件的設(shè)計參數(shù)清單預(yù)測峰值應(yīng)變的第一預(yù)測模型，并基于一個帶有驗(yàn)證標(biāo)簽的數(shù)據(jù)集(第一數(shù)據(jù)集)對第一預(yù)測模型進(jìn)行訓(xùn)練；并對以配箍特征值和配筋特征值為自變量、以峰值應(yīng)變?yōu)橐蜃兞康姆逯祽?yīng)變表達(dá)式進(jìn)行設(shè)置：εcc＝ε0(1+αλt+βλs)；并基于一個不帶驗(yàn)證標(biāo)簽的模擬數(shù)據(jù)集(第二數(shù)據(jù)集)和第一預(yù)測模型構(gòu)建一個用于表達(dá)式系數(shù)擬合運(yùn)算的數(shù)據(jù)集(第三數(shù)據(jù)集)；再基于第三數(shù)據(jù)集對該峰值應(yīng)變表達(dá)式的配箍特征系數(shù)α和配筋特征系數(shù)β的最優(yōu)值進(jìn)行擬合運(yùn)算；最后基于最優(yōu)配箍特征系數(shù)α*和最優(yōu)配筋特征系數(shù)β*對峰值應(yīng)變表達(dá)式進(jìn)行定型：εcc＝ε0(1+α*λt+β*λs)。將本發(fā)明實(shí)施例給出的峰值應(yīng)變表達(dá)式用于實(shí)際工程應(yīng)用中，可以幫助質(zhì)量檢驗(yàn)人員或工程設(shè)計人員僅根據(jù)三個變量(λt、λs、εcc)中的任兩個已知量快速估算出另一個未知量；通過本發(fā)明實(shí)施例可以降低質(zhì)量檢驗(yàn)人員或工程設(shè)計人員的工作難度、提高工作效率。