基于BP神經(jīng)網(wǎng)絡(luò)高性能混凝土早齡期白干燥收縮預(yù)測(cè)

在工作度和抗壓強(qiáng)度研究的基礎(chǔ)上,對(duì)比研究了不同纖維類型(玻璃纖維、聚丙烯纖維、鋼纖維和混雜纖維)及摻量對(duì)高性能混凝土早齡期塑性開裂的影響。結(jié)果表明,單摻纖維或摻入混雜纖維可明顯提高高性能混凝土的早齡期(1d)抗壓強(qiáng)度;聚丙烯纖維和鋼纖維可有效減小高性能混凝土早齡期塑性收縮裂縫的面積及寬度;二元混雜纖維比單一摻入玻璃纖維、聚丙烯纖維或鋼纖維具有更好的限裂效果。

高性能混凝土強(qiáng)度的預(yù)測(cè)方法大多參考普通混凝土強(qiáng)度預(yù)測(cè)方法,而對(duì)于一些高強(qiáng)度的混凝而言,一般的預(yù)測(cè)方法很難精確的確定其強(qiáng)度,利用工程手段模擬神經(jīng)網(wǎng)絡(luò)的功能,是一種新型的預(yù)測(cè)方法。

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。

本文在分析混凝土抗凍耐久性預(yù)測(cè)研究現(xiàn)狀的基礎(chǔ)上,結(jié)合bp人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn),利用matlab軟件建立了預(yù)測(cè)混凝土凍融環(huán)境下相對(duì)動(dòng)彈性模量的模型,并對(duì)預(yù)測(cè)結(jié)果進(jìn)行了分析。結(jié)果表明運(yùn)用人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法操作簡便、實(shí)用性強(qiáng)且在精度上能滿足要求,該模型的建立也可為混凝土抗凍性設(shè)計(jì)、施工管理和建成后工程的運(yùn)行維護(hù)提供參考。

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.

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。

在分析檢測(cè)數(shù)據(jù)的基礎(chǔ)上,提取了結(jié)構(gòu)服役時(shí)間、結(jié)構(gòu)建造時(shí)間、結(jié)構(gòu)檢測(cè)時(shí)間、混凝土設(shè)計(jì)強(qiáng)度和混凝土碳化深度等特征參數(shù),建立了預(yù)測(cè)既有建筑混凝土強(qiáng)度退化的人工神經(jīng)網(wǎng)絡(luò)模型。采用動(dòng)量法和自適應(yīng)調(diào)整法改進(jìn)了bp算法;采用訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)對(duì)既有混凝土強(qiáng)度最小值和混凝土強(qiáng)度最大值進(jìn)行了預(yù)測(cè),并與實(shí)測(cè)值進(jìn)行了對(duì)比。結(jié)果表明:利用bp神經(jīng)網(wǎng)絡(luò)對(duì)既有建筑混凝土強(qiáng)度退化進(jìn)行預(yù)測(cè)是可行的,該研究成果可為既有建筑大面積的抗震性能普查提供參考。

為準(zhǔn)確預(yù)測(cè)澆注式導(dǎo)電瀝青混凝土的融冰效果,基于300組試驗(yàn)樣本數(shù)據(jù),以環(huán)境溫度、結(jié)構(gòu)層厚度及通電時(shí)間為輸入層,以融冰體積為輸出層,建立了bp神經(jīng)網(wǎng)絡(luò)澆注式導(dǎo)電瀝青混凝土融冰效果預(yù)測(cè)模型,并采用pearson相關(guān)性檢驗(yàn)方法驗(yàn)證了預(yù)測(cè)模型的準(zhǔn)確性。結(jié)果表明:不同環(huán)境條件下,bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的相對(duì)誤差在2.1%以內(nèi),其相關(guān)系數(shù)r介于0.9955~0.9965之間,擬合優(yōu)度r~2介于0.9910~0.9930之間,預(yù)測(cè)結(jié)果準(zhǔn)確、可靠性強(qiáng)。

本文討論了如何應(yīng)用人工神經(jīng)網(wǎng)絡(luò)（ann）方法預(yù)測(cè)高性能道面混凝土的抗折強(qiáng)度，詳細(xì)論述了采用bp算法建立抗折強(qiáng)度網(wǎng)絡(luò)模型的過程。仿真實(shí)例表明，bp網(wǎng)絡(luò)可成功地反映混凝土抗折強(qiáng)度的非線性規(guī)律，且預(yù)測(cè)精度相對(duì)較高。

膨脹混凝土干燥收縮落差的研究

混凝土磚砌體濕脹干縮是引起該砌體建筑易裂的主要因素之一。通過參照相關(guān)的標(biāo)準(zhǔn),采用理論分析和實(shí)驗(yàn)驗(yàn)證的方法對(duì)混凝土磚的干縮性能的含義進(jìn)行解釋,進(jìn)而闡述干縮率和吸水率、含水率、環(huán)境濕度、溫度、相對(duì)含水率的關(guān)系。

在傳統(tǒng)預(yù)測(cè)混凝土強(qiáng)度的基礎(chǔ)上,提出一種基于人工智能的新的預(yù)測(cè)方法,建立了兩種神經(jīng)網(wǎng)絡(luò)模型:bp神經(jīng)網(wǎng)絡(luò)和rbf神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)了從新拌混凝土成分及其特性到硬化后混凝土強(qiáng)度之間的復(fù)雜的非線性映射。通過對(duì)試驗(yàn)數(shù)據(jù)的學(xué)習(xí),網(wǎng)絡(luò)結(jié)構(gòu)可以早期預(yù)測(cè)混凝土28d抗壓強(qiáng)度。另外,還利用bp神經(jīng)網(wǎng)絡(luò)模擬分析了混凝土成分質(zhì)和量的變化對(duì)抗壓強(qiáng)度的影響,其結(jié)果符合已知的經(jīng)典混凝土強(qiáng)度變化規(guī)律,表明神經(jīng)網(wǎng)絡(luò)模型具有較高的精度和較強(qiáng)的泛化能力。

研究了混凝土表觀密度、水灰比、輕集料品種、不同礦物摻合料對(duì)輕集料混凝土收縮特性的影響,實(shí)驗(yàn)結(jié)果表明:輕集料混凝土干燥收縮隨著水灰比降低、表觀密度提高、集料吸水率的增大而減小,粉煤灰、磨細(xì)礦渣粉等礦物摻合料的摻入改善了輕集料混凝土的收縮,并且隨著摻量的增加,收縮率呈降低的趨勢(shì)。

對(duì)混凝土多孔磚試塊進(jìn)行了連續(xù)60d干燥收縮變形的試驗(yàn),通過對(duì)其在標(biāo)準(zhǔn)養(yǎng)護(hù)和自然養(yǎng)護(hù)環(huán)境中收縮性能的研究,分析了環(huán)境溫度、相對(duì)濕度及齡期對(duì)混凝土多孔磚收縮變形的影響,并提出了考慮這些因素的混凝土多孔磚收縮變形估算公式。研究結(jié)果可為我國混凝土多孔磚在工程中的應(yīng)用提供參考依據(jù)。

通過對(duì)人工神經(jīng)元及bp網(wǎng)絡(luò)的簡要介紹,結(jié)合三峽工程大壩混凝土試驗(yàn)實(shí)測(cè)數(shù)據(jù),應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的理論和方法,利用matlab語言編制了基于神經(jīng)網(wǎng)絡(luò)理論的混凝土抗裂指標(biāo)預(yù)測(cè)程序,實(shí)現(xiàn)了對(duì)混凝土抗裂指標(biāo)值的預(yù)測(cè),證明了人工神經(jīng)網(wǎng)絡(luò)在混凝土抗裂指標(biāo)預(yù)測(cè)方面的可行性與可靠性。

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)。

在分析普通混凝土強(qiáng)度影響因素基礎(chǔ)上,選取混凝土配料中7個(gè)因素作為輸入值,混凝土28d強(qiáng)度作為輸出值建立了混凝土強(qiáng)度預(yù)測(cè)的bp網(wǎng)絡(luò)模型。討論了模型的學(xué)習(xí)樣本、網(wǎng)絡(luò)參數(shù)對(duì)預(yù)測(cè)精度的影響,選出最佳網(wǎng)絡(luò)參數(shù)配置。實(shí)例證明模型預(yù)測(cè)精度高。

針對(duì)目前混凝土強(qiáng)度預(yù)測(cè)中存在的不確定性,難以自適應(yīng)性的確定神經(jīng)網(wǎng)絡(luò)隱含層,建立了基于高維云的rbf神經(jīng)網(wǎng)絡(luò)的混凝土預(yù)測(cè)模型。運(yùn)用matlab8.10進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明該模型綜合考慮了影響混凝土強(qiáng)度的各種因素,能夠?qū)崿F(xiàn)預(yù)測(cè)結(jié)果的隨機(jī)性和模糊性,具有更高的預(yù)測(cè)精度,更快的訓(xùn)練速度,可以廣泛應(yīng)用于生產(chǎn)現(xiàn)場實(shí)地的混凝土強(qiáng)度預(yù)測(cè)和質(zhì)量檢驗(yàn)。

為考察混凝土內(nèi)部相對(duì)濕度與自收縮和干燥收縮的關(guān)系,實(shí)驗(yàn)測(cè)量了在表面密封(試件ⅰ)和表面先密封后暴露于環(huán)境中(試件ⅱ)2種干燥條件下早齡期混凝土試件的自由變形和內(nèi)部溫濕度變化規(guī)律。實(shí)驗(yàn)結(jié)果表明:在3d齡期前,同處于密封狀態(tài)的兩試件的自由變形和內(nèi)部溫濕度變化相同;從3d齡期開始,試件ⅱ在水分散失作用下內(nèi)部濕度下降明顯大于試件ⅰ,相應(yīng)地,由于疊加了干燥收縮,其變形也明顯大于試件ⅰ的自收縮變形。這說明混凝土試件在近似相同的溫度歷程下,內(nèi)部相對(duì)濕度與其濕度變形,可作為混凝土自收縮與干燥收縮的統(tǒng)一內(nèi)因進(jìn)行統(tǒng)一描述。

建筑節(jié)能是當(dāng)今城市建設(shè)和社會(huì)發(fā)展的前沿和研究熱點(diǎn),對(duì)建筑的能耗現(xiàn)狀進(jìn)行綜合分析與評(píng)估是進(jìn)行節(jié)能改造或節(jié)能設(shè)計(jì)的前提和基礎(chǔ),而建立反映能耗變化的預(yù)測(cè)模型是從宏觀尺度上分析認(rèn)識(shí)建筑能耗變化與發(fā)展特性、為公共建筑節(jié)能工作提供決策依據(jù)的有效途徑和重要手段。研究針對(duì)常規(guī)bp網(wǎng)絡(luò)算法收斂速度慢、易陷入局部最小點(diǎn)的缺點(diǎn),采用了具有較快收斂速度及穩(wěn)定性的lm算法進(jìn)行預(yù)測(cè),構(gòu)造了基于bp神經(jīng)網(wǎng)絡(luò)的建筑物用電量預(yù)測(cè)模型。以某市公共建筑原始用電能耗統(tǒng)計(jì)數(shù)據(jù)作為樣本,并采用matlab對(duì)預(yù)測(cè)模型進(jìn)行了仿真預(yù)測(cè)。結(jié)果顯示:誤差在允許范圍內(nèi)。

建筑業(yè)是我國重要的物質(zhì)生產(chǎn)部門之一，在我國的經(jīng)濟(jì)發(fā)展過程中，—直扮演著重要的角色。工程作為建筑業(yè)的核心，工程的管理具有很高的現(xiàn)實(shí)意義。所謂工程造價(jià)預(yù)測(cè)，是指處于準(zhǔn)備投標(biāo)或準(zhǔn)備建設(shè)的工程項(xiàng)目，在進(jìn)行投標(biāo)或?qū)嵤┣?，依?jù)現(xiàn)有的建設(shè)工程項(xiàng)目資料、結(jié)合建設(shè)工程施工環(huán)境及施工企業(yè)自身?xiàng)l件，采用相應(yīng)的方法對(duì)建設(shè)工程項(xiàng)目的成本進(jìn)行預(yù)測(cè)，并將預(yù)測(cè)結(jié)果用以控制項(xiàng)目實(shí)施過程中的成本支出，能夠提高建筑企業(yè)的項(xiàng)目成本管理的科學(xué)性，促進(jìn)企業(yè)資金的良性運(yùn)轉(zhuǎn)。

短時(shí)交通流預(yù)測(cè)是現(xiàn)代智能交通系統(tǒng)的核心內(nèi)容,針對(duì)城市道路被占所造成的城市交通擁堵排隊(duì)問題,以路段視頻統(tǒng)計(jì)為例,利用bp神經(jīng)網(wǎng)絡(luò)方法就實(shí)際通行能力、具體車輛數(shù)、事故持續(xù)時(shí)間與排隊(duì)最長長度之間的關(guān)系進(jìn)行預(yù)測(cè)分析,從實(shí)驗(yàn)?zāi)M結(jié)果來看,該方法能有效地解決交通流實(shí)時(shí)和可靠性預(yù)測(cè)。