人工神經(jīng)網(wǎng)絡(luò)在鋰渣高性能混凝土強(qiáng)度預(yù)測中

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16種配比的混凝土進(jìn)行28d強(qiáng)度預(yù)測,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、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16種配比的混凝土進(jìn)行28d強(qiáng)度預(yù)測,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。

建立混凝土測強(qiáng)換算關(guān)系是混凝土結(jié)構(gòu)檢測中經(jīng)常面對的問題,然而要建立起檢測物理量與混凝土強(qiáng)度之間的函數(shù)關(guān)系并非易事。本文利用神經(jīng)網(wǎng)絡(luò)方法建立了混凝土測強(qiáng)換算的bp網(wǎng)絡(luò)模型,為混凝土結(jié)構(gòu)無損檢測中混凝土強(qiáng)度推定開辟了一條新途徑。

準(zhǔn)確地預(yù)測混凝土的實(shí)時(shí)強(qiáng)度對確保結(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，且各種因素對混凝土強(qiáng)度的影響程度不同，所以在實(shí)際工程中對混凝土強(qiáng)度的預(yù)測比較復(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)測系統(tǒng)。實(shí)測結(jié)果表明，預(yù)測準(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)。

在傳統(tǒng)預(yù)測混凝土強(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。

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)。

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)測精度相對較高。

泡沫金屬試樣測試復(fù)雜,對試樣而言又急需知道基體結(jié)構(gòu)參數(shù)與力學(xué)性能和阻尼性能的關(guān)系,采用線性回歸技術(shù)無法實(shí)現(xiàn)這一功能,應(yīng)用人工神經(jīng)網(wǎng)絡(luò),則解決了通過測量泡沫金屬的四個(gè)基本參數(shù)達(dá)到推知其力學(xué)性能、阻尼性能的課題。

為了提供早期預(yù)測再生粗骨料混凝土強(qiáng)度的有效方法,從8篇文獻(xiàn)中收集了47組樣本,借助matlabr2015a平臺(tái),基于bp神經(jīng)網(wǎng)絡(luò),建立了以單位體積的水、水泥、砂、碎石、再生粗骨料用量作為輸入,以再生混凝土28d棱柱體抗壓強(qiáng)度作為輸出的含單隱層的3層神經(jīng)網(wǎng)絡(luò)模型,其結(jié)構(gòu)為5-21-1.對網(wǎng)絡(luò)進(jìn)行訓(xùn)練后的仿真結(jié)果表明,預(yù)測的最大相對誤差為18.69%,預(yù)測誤差小于5%的占樣本總量的78.72%.預(yù)測結(jié)果表明用bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測再生混凝土的強(qiáng)度是可行的.

針對目前混凝土強(qiáng)度預(yù)測中存在的不確定性,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)測結(jié)果的隨機(jī)性和模糊性,具有更高的預(yù)測精度,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)測和質(zhì)量檢驗(yàn)。

文章通過運(yùn)用人工神經(jīng)網(wǎng)絡(luò)方法建立大體積混凝土和濕篩混凝土的軟化曲線數(shù)據(jù)庫,應(yīng)用數(shù)值方法預(yù)測大體積混凝土裂縫和斷裂行為,輸入混凝土的配合比可得出與試驗(yàn)相符的混凝土軟化曲線。

針對傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)的不足,采用不同改進(jìn)算法的網(wǎng)絡(luò)模型對自密實(shí)混凝土抗壓強(qiáng)度預(yù)測進(jìn)行了詳細(xì)的分析.研究表明:采用變梯度算法的模型m1、p-b復(fù)位算法的模型m2、擬牛頓算法的模型m3以及l(fā)m算法的模型m4,這4種模型均成功地建立了自密實(shí)混凝土強(qiáng)度的非線性關(guān)系,可用于其強(qiáng)度預(yù)測;通過用matlab編寫程序,為解決bp網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)的不確定性提供了一種較為方便的途徑.

在分析檢測數(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,并與實(shí)測值進(jìn)行了對比。結(jié)果表明:利用bp神經(jīng)網(wǎng)絡(luò)對既有建筑混凝土強(qiáng)度退化進(jìn)行預(yù)測是可行的,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。

本文運(yùn)用均勻設(shè)計(jì)的方法進(jìn)行樹脂混凝土的配合比設(shè)計(jì),用較少的試驗(yàn)取得較好的效果;建立了樹脂混凝土的強(qiáng)度預(yù)測的神經(jīng)網(wǎng)絡(luò)模型,對試驗(yàn)的數(shù)據(jù)進(jìn)行了訓(xùn)練和仿真,預(yù)測的結(jié)果與試驗(yàn)結(jié)果吻合非常好。

在分析普通混凝土強(qiáng)度各影響因素的基礎(chǔ)上,選取6個(gè)影響因素組成輸入層,以混凝土28d強(qiáng)度作為輸出,建立徑向基函數(shù)網(wǎng)絡(luò),經(jīng)網(wǎng)絡(luò)訓(xùn)練和仿真結(jié)果對比,表明所建網(wǎng)絡(luò)結(jié)構(gòu)合理、收斂速度快、精度高,可以滿足普通混凝土強(qiáng)度預(yù)測要求,具有廣泛的應(yīng)用前景。

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)對預(yù)測精度的影響,選出最佳網(wǎng)絡(luò)參數(shù)配置。實(shí)例證明模型預(yù)測精度高。

采用人工神經(jīng)網(wǎng)絡(luò)方法,建立高性能混凝土原材料配合比與其早齡期自干燥收縮之間的非線性映射關(guān)系。計(jì)算結(jié)果表明,該模型可以預(yù)測不同配合比混凝土的早齡期自干燥收縮,為高性能混凝土體積穩(wěn)定性的研究提供一種思路。

采用人工神經(jīng)網(wǎng)絡(luò)方法，建立高性能混凝土原材料配合比與其早齡期自干燥收縮之間的非線性映射關(guān)系。計(jì)算結(jié)果表明，該模型可以預(yù)測不同配合比混凝土的早齡期自干燥收縮，為高性能混凝土體積穩(wěn)定性的研究提供一種思路。

人工神經(jīng)網(wǎng)絡(luò)在預(yù)測軟基沉降中的應(yīng)用研究——依據(jù)影響軟土路基沉降的因素選取參數(shù)建立了bp神經(jīng)網(wǎng)絡(luò)預(yù)測最終沉降量模型，利用已建高速公路沉降數(shù)據(jù)，進(jìn)行了軟土地基最終沉降量的預(yù)測，取得了較為理想的效果。證明神經(jīng)網(wǎng)絡(luò)法能避免傳統(tǒng)方法計(jì)算過程中各種人為因素...

在給出混凝土等效水灰比和骨料平均漿體厚度計(jì)算方法的基礎(chǔ)上,采用人工神經(jīng)網(wǎng)絡(luò)方法,建立了混凝土28d抗壓強(qiáng)度與混凝土等效水灰比、骨料平均漿體厚度和粉煤灰與膠凝材料用量比之間的非線性映射關(guān)系.該研究成果可減少混凝土試配次數(shù),節(jié)約大量人力、物力和時(shí)間,并為高體積穩(wěn)定性混凝土配合比設(shè)計(jì)方法的研究進(jìn)一步奠定了基礎(chǔ).

作為混凝土主要力學(xué)性能指標(biāo)，混凝土的抗壓強(qiáng)度很大程度上決定建筑工程的質(zhì)量?；炷量箟簭?qiáng)度預(yù)測也一直是國內(nèi)外研究的重點(diǎn)。本文在參考國內(nèi)外已有文獻(xiàn)的基礎(chǔ)上，借助matlab數(shù)學(xué)工具建立混凝土抗壓強(qiáng)度預(yù)測的bp人工神經(jīng)網(wǎng)絡(luò)模型，對混凝土抗壓強(qiáng)度進(jìn)行預(yù)測，同時(shí)將預(yù)測得到的結(jié)果和concretecompressivestrength數(shù)據(jù)集進(jìn)行對比，驗(yàn)證模型的正確性。并通過改變影響混凝土強(qiáng)度的各種因素的值對它們對混凝土抗壓強(qiáng)度的影響進(jìn)行探討。