HRB400級螺紋鋼大數據分析與應用

黃超+趙珂+黃國勇+夏礽

摘要：針對HRB400級的螺紋鋼中的化學元素含量多少對其性能的影響，利用大數據分析的方法分析螺紋鋼的性能指標變化。利用spss對各化學元素進行主成分分析，得到影響螺紋鋼性能的主要和次要影響因素。再利用基于Matlab的多元線性回歸方法分析各元素分別與螺紋鋼的抗屈強度、抗拉強度、斷后伸展率關系，得出各元素對螺紋鋼性能的影響規律公式，為HRB400級螺紋鋼調整成分比例和改善結構性能以及控制成本而減少合金材料的使用提供參考。

Abstract： In view of that the chemical elements content of HRB400 deformed steel bars will impact on its performance， its performance index change is analyzed by data analysis. Principal component analysis using SPSS on various chemical elements can obtain primary and secondary factors affecting properties of deformed steel bar. Multiple linear regression analysis based on Matlab is used for analyzing the relations between all elements and performance （yield strength， tensile strength， fractured elongation）， which derives formula about how each element impacts on the performance of deformed steel bars. It provides a reference for HRB400 deformed steel bars to adjust the ingredient proportions， improve structural performance， keep down costs and reduce the use of alloy materials.

關鍵詞：螺紋鋼；元素含量；大數據分析；多元回歸分析

Key words： deformed steel bars；element content；data analysis；multiple regression analysis

中圖分類號：TB114.2 文獻標識碼：A 文章編號：1006-4311（2017）15-0136-02

0 引言

熱軋帶肋鋼筋（即螺紋鋼）主要用于鋼筋混凝土骨架組件，需要螺紋鋼具有一定的機械強度、可彎曲、可變形特性和工藝焊接性。組成鋼的化學元素直接影響著熱軋鋼的性能，大多數異形鋼筋采用合金化方法，通過添加昂貴的微量元素（如錳合金材料、合金材料等）到鋼鐵中用以調整成分比例和改善鋼結構性能[1]。

根據抗震等級、使用年限和工程標注等需求，目前我國大量生產性能比HRB335更加優異的HRB400級螺紋鋼。在HRB400級螺紋鋼的生產過程中適量的釩元素對其性能有強化作用[2]。其它化學元素含量對螺紋鋼的性能也有影響。研究化學元素含量對螺紋鋼性能的影響可以采用了主成分分析法。

1 數據分析

通過項目獲取的32045份HRB400級螺紋鋼的元素含量檢測數據符合大數據中的模態多、體量大、難辨識、價值大、密度低的五個特點[3]。采用基于大數據挖掘的方法分析這批螺紋鋼總體性能指標，對樣本數據的抗屈強度、抗拉強度、斷后伸展率的中位數值、最小值、平均值、方差等數值進行分析。對每種化學元素的含量取均值進行分析，之后利用spss對各種化學元素進行主成分分析。

1.1 均勻抽樣理論

對大量數據的處理最直接的方法是對其進行均勻抽樣，這樣在簡化計算量的同時可以發現數據內在的規律。同時在對大量數據的參數進行統計和相關參數的估計中，均勻抽樣可以有效減少樣本的數量，降低計算的成本，是一種很好的對數據進行前期處理方法[4]。因此對32045份原始螺紋鋼數據進行研究時首先使用均勻抽樣的方法對數據進行挖掘，以得到有效簡化數據后再其進行主成分分析。

1.2 數據的統計分析

對均勻抽樣后的HRB400螺紋鋼的數據進行統計分析，得到相應的三個性能指標：中位數、最小值、平均值。計算出方差，并與GB/T228-2002的標準的數據進行比較（數據見表1），由表1可知這批螺紋鋼的抗屈強度、抗拉強度、斷后伸展率都符合標準。

1.3 各元素的主成分分析

利用spss軟件以螺紋鋼的抗屈強度為約束條件，選取其特征值大于0.8，對各種影響螺紋鋼性能的元素進行主成分分析。

按照螺紋鋼抗屈強度的大小對進行數據排序，再利用spss軟件對其進行主成分分析。分析結果中各元素的相關矩陣如表2所示，各個元素的解釋的總方差如圖1所示。從表2中可以的到各個元素基于抗屈強度的相互之間的相關性，以此作為之后的多元線性回歸分析的基礎。

從圖1中的數值可以看出，相對于螺紋鋼的抗屈強度，碳（C）、錳（Mn）、硫（S）、磷（P）、硅（Si）、釩（V）、鉻（Cr）數值都>0.8為主要影響因素。鎳（Ni）、銅（Cu）、鉬（Mo）元素在的初始特征值都<0.8，不是主要影響成分。

2 多元線性回歸

為了進一步分析各元素對HRB400螺紋鋼的抗拉強度、抗屈強度、斷后伸展率的影響，建立多元線性回歸模型對樣本數據進行再處理。通過Matlab編程對HRB400螺紋鋼數據進行運算后建立多元線性回歸模型，對各化學元素的影響進行具體分析。

2.1 多元線性回歸模型

多元線性回歸是一元線性回歸的發展，可用來研究因變量取值與自變量取值的關系。設抗拉強度、抗屈強度、斷后伸展率，分別為三個可預測變量Y1，Y2，Y3，這三個變量受到各元素含量t1，t2…tn的影響，建立HRB400螺紋鋼結構性能與元素含量間的多元線性回歸模型。

各種元素與抗屈強度影響的多元線性回歸模型1：

Y1=β10+β11t+β12t+…+β1n+ε1ε1∝N（0，σ2）模型1

各種元素與抗拉強度度影響的多元線性回歸模型2：

Y2=β20+β21t+β22t+…+β2n+ε2ε2∝N（0，σ2）模型2

各種元素與抗拉強度度影響的多元線回歸模型3：

Y3=β30+β31t+β32t+…+β3n+ε3ε3∝N（0，σ2）模型3

模型中εi表示的是計算過程中可能出現的偏差，將上述三個模型轉的數據化為數組的形式，再導入MATLAB程序中的多元線性回歸函數中，計算出各個模型的常數項βi0，以及各個元素含量對螺紋鋼性能影響的回歸系數βin。

2.2 模型求解

利用MATLAB程序對模型1-3進行求解，分別以抗屈強度、抗拉強度、斷后伸展率為因變量，以十種元素的含量為自變量對模型進行計算，得到各元素的回歸系數見表3。

根據回歸系數可得到三個模型的解分別為公式（1）-（3）：

①螺紋鋼抗屈強度與各元素含量之間的關系：

Y1=-232+3403tC-610tMn+3306tS+799tP+890tSi+13206tV+265tCr-2353tNi-5188tCu+5846tMo（1）

②螺紋鋼抗拉強度與各元素含量之間的關系：

Y2=-507.4+4754.1tC-592.6tMn-4453.9tS+1378.9tP+1519.5tSi+9798.5tV+1269tCr-2425.9tNi-504.7tCu-338.4tMo（2）

③螺紋鋼的斷后伸展率與各元素含量之間的關系：

Y3=71.9+166tC-65.5tMn-244.7tS-129tP+53.3tSi-495.6tV+49.8tCr+161.1tNi+176.9tCu+1320.6tMo（3）

2.3 多元線性回歸結果分析

觀察回歸模型公式（1）-（3）中，從不同元素含量的回歸系數的大小和正負進行分析后，可知各元素含量對螺紋鋼性能的影響如下：①由公式（1）可知，影響螺紋鋼抗屈強度的主要化學元素含量是釩（V）元素，其次是銅（Cu）元素和鉬（Mo）元素?；貧w系數為正是正相關，為負是負相關。②由公式（2）可知，影響螺紋鋼抗拉強度的主要的化學元素含量是釩（V）元素，其次是碳（C）元素和硫（S）元素。③由公式（3）可知，影響螺紋鋼斷后伸展率的主要的化學元素含量是鉬（Mo）元素，其次是釩（V）元素和硫（S）元素。

3 結束語

通過對32045份HRB400級螺紋鋼進行大數據挖掘和多元線性回歸建模的分析，得到螺紋鋼的各化學元素與螺紋鋼的抗屈強度、抗拉強度和斷后伸展率的公式（1）-（3）。

根據多元線性回歸結果分析，影響螺紋鋼結構和性能的主要化學元素有釩（V）、銅（Cu）、鎳（Ni）、碳（C）、硫（S）、鉬（Mo）等元素，增加碳（C）、硫（S）、磷（P）、硅（Si）、釩（V）、鉻（Cr）、鎳（Ni）、鉬（Mo）等元素含量可增強螺紋鋼的結構性能。煉鋼時可忽略上述價格較低且比較難控制含量的非金屬元素成分對鋼結構的影響，只需調整其中的鎳（Ni）、鉬（Mo）、釩（V）元素的含量即可提高RHB400級螺紋鋼結構性能。同時可提高價格較低鉻（Cr）元素的含量而適量降低貴金屬釩（V）的含量以達到節約煉鋼成本的目的。

參考文獻：

[1]楊昌樂.低成本生產熱軋螺紋鋼工藝的組織及性能影響規律研究[D].昆明：昆明理工大學，2011.

[2]劉強，張炯明，王博，等.釩在HRB400級螺紋鋼中強化作用的研究[J].工程科學學報，2016，z1（38）：56-60.

[3]程學旗，靳小龍，王元卓，等.大數據系統和分析技術綜述[J]，軟件學報，2014，25（9）：1889-1908.

[4]李毅，米子川.大數據挖掘的均勻抽樣設計與數值分析[J].統計與信息論壇，2015，30（4）：3-6.