人工神經(jīng)網(wǎng)絡(luò)在自密實(shí)混凝土抗壓強(qiáng)度預(yù)測(cè)中的應(yīng)用

為了預(yù)測(cè)混凝土的抗壓強(qiáng)度,在分析bp、rbf神經(jīng)網(wǎng)絡(luò)原理的基礎(chǔ)上,提出用bp、rbf神經(jīng)網(wǎng)絡(luò)模擬混凝土抗壓強(qiáng)度與攪拌機(jī)各主要影響參數(shù)間關(guān)系的方法。根據(jù)攪拌機(jī)的實(shí)際工作狀況,分別建立了4維輸入向量、1維輸出向量的bp、rbf神經(jīng)網(wǎng)絡(luò)模型,通過19組試驗(yàn),驗(yàn)證了2種模型的可靠性。結(jié)果表明,實(shí)測(cè)結(jié)果與預(yù)測(cè)結(jié)果相接近,該2種神經(jīng)網(wǎng)絡(luò)模型能較準(zhǔn)確地快速預(yù)測(cè)混凝土抗壓強(qiáng)度。

免振搗混凝土的配合比的不同對(duì)其抗壓強(qiáng)度有很大影響,為了解決免振搗混凝土抗壓強(qiáng)度預(yù)測(cè)問題,采用bp神經(jīng)網(wǎng)絡(luò)方法通過免振搗混凝土不同配合比訓(xùn)練網(wǎng)絡(luò)預(yù)測(cè)其抗壓強(qiáng)度,結(jié)果表明bp神經(jīng)網(wǎng)絡(luò)的隱層節(jié)點(diǎn)數(shù)目對(duì)預(yù)測(cè)精度有較大影響.通過分析得出采用bp神經(jīng)網(wǎng)絡(luò)對(duì)免振搗混凝土抗壓強(qiáng)度預(yù)測(cè)是可行的.

在闡述bp人工神經(jīng)網(wǎng)絡(luò)原理的基礎(chǔ)上,針對(duì)影響強(qiáng)度的主要因素,建立了多因子混凝土抗壓強(qiáng)度3層bp網(wǎng)絡(luò)模型,以每立方混凝土中水泥、高爐礦渣粉、粉煤灰、水、減水劑、粗集料和細(xì)集料含量及置放天數(shù)作為模型輸入?yún)?shù),混凝土抗壓強(qiáng)度值作為模型的輸出,對(duì)混凝土抗壓強(qiáng)度進(jìn)行了預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明:所建bp神經(jīng)網(wǎng)絡(luò)混凝土抗壓強(qiáng)度預(yù)測(cè)模型最大誤差絕對(duì)值都小于20%,平均誤差為7.33%,模型具有較高預(yù)測(cè)精度。

鋼筋混凝土廣泛應(yīng)用于土木工程領(lǐng)域,隨著近年來交通土建行業(yè)的飛速發(fā)展,其應(yīng)用越來越廣泛。本文通過實(shí)際工程中積累的強(qiáng)度檢測(cè)數(shù)據(jù),用matlabr2015b軟件編程,實(shí)現(xiàn)基于bpnn神經(jīng)網(wǎng)絡(luò)的混凝土強(qiáng)度預(yù)測(cè)擬合算法。結(jié)果表明,通過預(yù)測(cè)結(jié)果與試驗(yàn)實(shí)測(cè)結(jié)果對(duì)比,根據(jù)預(yù)測(cè)模型得出的相對(duì)誤差絕對(duì)值都在10%左右；基于bpnn神經(jīng)網(wǎng)絡(luò)的混凝土抗壓強(qiáng)度預(yù)測(cè)可用于混凝土配合比的確定,提高配制效率。

采用基于levenberg-marquardt算法的bp神經(jīng)網(wǎng)絡(luò),構(gòu)建珊瑚混凝土抗壓強(qiáng)度預(yù)測(cè)模型,并使用考慮交互作用的正交設(shè)計(jì)試驗(yàn)l27(313)優(yōu)化模型參數(shù)。試驗(yàn)結(jié)果表明:隱含層神經(jīng)元數(shù)目和調(diào)整量初始值對(duì)網(wǎng)絡(luò)性能影響顯著,且二者間存在交互作用。經(jīng)驗(yàn)證,參數(shù)優(yōu)化后的模型預(yù)測(cè)誤差小,預(yù)測(cè)結(jié)果可靠,可為配合比設(shè)計(jì)和優(yōu)化提供指導(dǎo)。

為了有效提高混凝土抗壓強(qiáng)度的預(yù)測(cè)精準(zhǔn)度,利用粒子群算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值,建立了混凝土抗壓強(qiáng)多因子pso-bp預(yù)測(cè)模型。模型以每立方混凝土中水泥、高爐礦渣粉、粉煤灰、水、減水劑、粗集料和細(xì)集料的含量以及置放天數(shù)為輸入?yún)?shù),混凝土抗壓強(qiáng)度值作為輸出參數(shù),不僅可以克服bp算法收斂速度慢和易陷入局部極值的缺陷,而且模型的學(xué)習(xí)能力、泛化能力和預(yù)測(cè)精度都有了很大的提高。以u(píng)ci數(shù)據(jù)庫中的concretecompressivestrength數(shù)據(jù)集為例進(jìn)行仿真測(cè)試,結(jié)果表明:pso-bp模型預(yù)測(cè)精度較bp、ga-bp模型分別提高了8.26%和2.05%,驗(yàn)證了pso-bp模型在混凝土抗壓強(qiáng)度預(yù)測(cè)中的有效性。

本文采用誤差反向傳播神經(jīng)網(wǎng)絡(luò)(bp)建立了混凝土抗壓強(qiáng)度的預(yù)測(cè)模型,在不同的誤差目標(biāo)值及隱含層節(jié)點(diǎn)數(shù)條件下,探討模型的預(yù)測(cè)精度。實(shí)驗(yàn)結(jié)果表明,當(dāng)誤差目標(biāo)值設(shè)定為0.01、隱含層節(jié)點(diǎn)數(shù)為3時(shí),模型的預(yù)測(cè)精度最高,平均誤差百分?jǐn)?shù)為6.6%。當(dāng)誤差目標(biāo)值設(shè)定較大時(shí),樣本的預(yù)測(cè)值與實(shí)測(cè)值會(huì)發(fā)生明顯的偏差,預(yù)測(cè)效果不佳。

通過研究再生粗骨料取代率、水灰比對(duì)再生保溫混凝土抗壓強(qiáng)度的影響,建立了以再生粗骨料取代率、水灰比以及混凝土表觀密度為因子的bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,旨在通過這三種因子的測(cè)量對(duì)再生保溫混凝土28d抗壓強(qiáng)度進(jìn)行預(yù)測(cè)。試驗(yàn)研究表明,當(dāng)再生粗骨料取代率為50%時(shí),再生保溫混凝土抗壓強(qiáng)度與混凝土拌合物表觀密度近似成線性關(guān)系,抗壓強(qiáng)度隨著水灰比的增大而降低；當(dāng)取代率為100%時(shí),抗壓強(qiáng)度與表觀密度為非線性關(guān)系,抗壓強(qiáng)度隨表觀密度的增大而增大,隨水灰比的增加而增加。建立的三因子bp神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)值與實(shí)際值的誤差在3%以內(nèi),可用于再生保溫混凝土的抗壓強(qiáng)度預(yù)測(cè)。

如何在進(jìn)行自密實(shí)混凝土配合比設(shè)計(jì)前對(duì)其工作性能和強(qiáng)度進(jìn)行有效預(yù)測(cè),為配合比設(shè)計(jì)提供指導(dǎo),是一大難點(diǎn)。本文利用bp神經(jīng)網(wǎng)絡(luò),對(duì)自密實(shí)混凝土的工作性能(坍落度和擴(kuò)展度)和28d強(qiáng)度進(jìn)行預(yù)測(cè)。結(jié)果表明,利用大量試驗(yàn)數(shù)據(jù)樣本訓(xùn)練的bp網(wǎng)絡(luò)可以預(yù)測(cè)不同情況下的自密實(shí)混凝土的坍落度、擴(kuò)展度和28d強(qiáng)度,預(yù)測(cè)精度高。

如何在進(jìn)行自密實(shí)混凝土配合比設(shè)計(jì)前對(duì)其工作性能和強(qiáng)度進(jìn)行有效預(yù)測(cè),為配合比設(shè)計(jì)提供指導(dǎo),是一大難點(diǎn)。利用bp神經(jīng)網(wǎng)絡(luò),對(duì)自密實(shí)混凝土的工作性能(坍落度和擴(kuò)展度)和28d強(qiáng)度進(jìn)行預(yù)測(cè)。結(jié)果表明,利用大量試驗(yàn)數(shù)據(jù)樣本訓(xùn)練的bp網(wǎng)絡(luò)可以預(yù)測(cè)不同情況下的自密實(shí)混凝土的坍落度、擴(kuò)展度和28d強(qiáng)度,預(yù)測(cè)精度高。

應(yīng)用matlab提供的神經(jīng)網(wǎng)絡(luò)工具箱作為bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練和仿真的平臺(tái),并進(jìn)行語言編程,通過采用不同隱函數(shù)節(jié)點(diǎn)數(shù)進(jìn)行對(duì)比試驗(yàn),采用精度與誤差都合適的節(jié)點(diǎn)數(shù)進(jìn)行訓(xùn)練與預(yù)測(cè),觀察預(yù)測(cè)的精度,并分析神經(jīng)網(wǎng)絡(luò)對(duì)抗壓強(qiáng)度結(jié)果預(yù)測(cè)的可應(yīng)用性,從而得出一些有益的結(jié)論。

人工神經(jīng)網(wǎng)絡(luò)技術(shù)綜合考慮了高強(qiáng)度、高性能混凝土強(qiáng)度的各種影響因素,可用于預(yù)測(cè)混凝土強(qiáng)度。本文選取混凝土配料中7個(gè)因素作為輸入值,混凝土28d強(qiáng)度作為輸出值,建立起混凝土強(qiáng)度預(yù)測(cè)bp網(wǎng)絡(luò)模型,進(jìn)而對(duì)混凝土配合比強(qiáng)度實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析預(yù)測(cè),結(jié)果效果良好。表明該方法用于高性能混凝土強(qiáng)度預(yù)測(cè)方面是可行的。

混凝土強(qiáng)度是結(jié)構(gòu)設(shè)計(jì)中控制的主要指標(biāo),其數(shù)值決定于水灰比、膠凝材料用量、外加劑用量等多種因素。常規(guī)計(jì)算混凝土強(qiáng)度的公式因個(gè)人理解的不同而各異,一種仿生模型—人工神經(jīng)網(wǎng)絡(luò)則能很好地解決這個(gè)難題。嘗試用人工神經(jīng)網(wǎng)絡(luò)對(duì)16種配比的混凝土進(jìn)行28d強(qiáng)度預(yù)測(cè),結(jié)果表明,此模型的可靠度很高,可以用以優(yōu)化混凝土的試配,節(jié)約大量的時(shí)間、人力、物力和財(cái)力。

采用神經(jīng)網(wǎng)絡(luò)方法對(duì)自密實(shí)混凝土受彎梁的正截面承載力進(jìn)行模擬.以影響自密實(shí)混凝土梁受彎承載力的主要因素(抗壓強(qiáng)度、截面尺寸、配筋率等)為參數(shù),以構(gòu)件的受彎極限承載力為網(wǎng)絡(luò)輸出,建立多層前饋神經(jīng)網(wǎng)絡(luò)來描述其非線性關(guān)系.利用不同研究者的32組試驗(yàn)數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測(cè)試.測(cè)試表明,建立的神經(jīng)網(wǎng)絡(luò)模型對(duì)32組試驗(yàn)數(shù)據(jù)具有良好的模擬精度,可作為預(yù)測(cè)自密實(shí)混凝土梁受彎承載力的一種新的計(jì)算方法.

自密實(shí)混凝土流動(dòng)性試驗(yàn)及其神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)研究——在對(duì)不同配合比情況下新拌自密實(shí)混凝土的流動(dòng)性進(jìn)行了試驗(yàn)研究的基礎(chǔ)上，利用matlab的神經(jīng)網(wǎng)絡(luò)工具箱對(duì)試驗(yàn)結(jié)果進(jìn)行了人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析。研究表明利用人工神經(jīng)網(wǎng)絡(luò)數(shù)值模型能夠較好地預(yù)測(cè)新拌自密實(shí)混凝土的...

在進(jìn)行了正交試驗(yàn)的基礎(chǔ)上,采用人工神經(jīng)網(wǎng)絡(luò)方法,建立混凝土的氯離子擴(kuò)散系數(shù)與混凝土配比六個(gè)參數(shù)之間的非線性映射關(guān)系,研究各個(gè)參數(shù)對(duì)混凝土抗?jié)B性能的影響,該研究成果可以減少混凝土試配次數(shù),節(jié)約大量的人力、物力和時(shí)間,為高性能混凝土的研究發(fā)展奠定了基礎(chǔ)。

主要論述了對(duì)普通混凝土的改進(jìn),改進(jìn)為低強(qiáng)度的自密實(shí)混凝土以解決工程中混凝土施工出現(xiàn)的:早期強(qiáng)度不高、易開裂、漏振等引起的工程質(zhì)量問題。

準(zhǔn)確地預(yù)測(cè)混凝土的實(shí)時(shí)強(qiáng)度對(duì)確保結(jié)構(gòu)的安全使用有重要的作用，而影響混凝土強(qiáng)度的因素很多，且各種因素對(duì)混凝土強(qiáng)度的影響程度不同，所以在實(shí)際工程中對(duì)混凝土強(qiáng)度的預(yù)測(cè)比較復(fù)雜。通過人工神經(jīng)網(wǎng)絡(luò)及大量樣本數(shù)據(jù)，闡述了人工神經(jīng)網(wǎng)絡(luò)強(qiáng)度預(yù)測(cè)模型的技術(shù)方案，有效結(jié)合多種影響因子，建立了評(píng)估預(yù)測(cè)系統(tǒng)。實(shí)測(cè)結(jié)果表明，預(yù)測(cè)準(zhǔn)確率達(dá)到了96％以上，為混凝土更好地在工程上應(yīng)用提供一定理論依據(jù)，且為今后人工神經(jīng)網(wǎng)絡(luò)理論進(jìn)一步在結(jié)構(gòu)工程中應(yīng)用奠定了基礎(chǔ)。

混凝土強(qiáng)度是結(jié)構(gòu)設(shè)計(jì)中控制的主要指標(biāo)，其數(shù)值決定于水灰比、膠凝材料用量、礦物摻量、外加劑用量等多種因素，常規(guī)計(jì)算混凝土強(qiáng)度的公式因個(gè)人理解的不同而各異，一種仿生模型—人工神經(jīng)網(wǎng)絡(luò)則能很好地解決這個(gè)難題，文中嘗試用人工神經(jīng)網(wǎng)絡(luò)對(duì)不同混凝土強(qiáng)度進(jìn)行預(yù)測(cè)，結(jié)果表明此模型的可靠度很高，可以用以優(yōu)化混凝土的試配，節(jié)約大量的時(shí)間、人力、物力和財(cái)力.

混凝土強(qiáng)度是結(jié)構(gòu)設(shè)計(jì)中控制的主要指標(biāo),其數(shù)值決定于水灰比、膠凝材料用量、礦物摻量、外加劑用量等多種因素,常規(guī)計(jì)算混凝土強(qiáng)度的公式因個(gè)人理解的不同而各異,一種仿生模型—人工神經(jīng)網(wǎng)絡(luò)則能很好地解決這個(gè)難題,文中嘗試用人工神經(jīng)網(wǎng)絡(luò)對(duì)16種配比的混凝土進(jìn)行28d強(qiáng)度預(yù)測(cè),結(jié)果表明此模型的可靠度很高,可以用以優(yōu)化混凝土的試配,節(jié)約大量的時(shí)間、人力、物力和財(cái)力。

同條件養(yǎng)護(hù)混凝土試件強(qiáng)度與混凝土的配合比、環(huán)境溫度、養(yǎng)護(hù)時(shí)間有密切的關(guān)系,它們之間是復(fù)雜的非線性關(guān)系,采用神經(jīng)網(wǎng)絡(luò)模型方法,界定兩者之間的關(guān)系,可用于實(shí)際工程的強(qiáng)度預(yù)測(cè)。

利用bp神經(jīng)網(wǎng)絡(luò)法,建立了再生混凝土的抗壓強(qiáng)度預(yù)測(cè)模型。該模型采用了3層網(wǎng)絡(luò)結(jié)構(gòu)模式,輸入層采用再生混凝土的配合比數(shù)據(jù),輸出層為再生混凝土,置放7、28、56、90d的強(qiáng)度數(shù)據(jù),模型的轉(zhuǎn)移函數(shù)均采用單極性sigmoid函數(shù)。由于sigmoid函數(shù)值為[0,1],因此,對(duì)再生混凝土輸入數(shù)據(jù)進(jìn)行歸一化處理。最后,設(shè)計(jì)了33塊再生混凝土的抗壓強(qiáng)度試驗(yàn),利用試驗(yàn)數(shù)據(jù)對(duì)網(wǎng)絡(luò)模型進(jìn)行測(cè)試,測(cè)試的結(jié)果證實(shí)了該模型對(duì)再生混凝土的強(qiáng)度預(yù)測(cè)值與實(shí)際測(cè)試結(jié)果基本相符。