基于BP神经网络高性能混凝土早龄期自干燥收缩预测

在工作度和抗压强度研究的基础上,对比研究了不同纤维类型(玻璃纤维、聚丙烯纤维、钢纤维和混杂纤维)及掺量对高性能混凝土早龄期塑性开裂的影响。结果表明,单掺纤维或掺入混杂纤维可明显提高高性能混凝土的早龄期(1d)抗压强度;聚丙烯纤维和钢纤维可有效减小高性能混凝土早龄期塑性收缩裂缝的面积及宽度;二元混杂纤维比单一掺入玻璃纤维、聚丙烯纤维或钢纤维具有更好的限裂效果。

高性能混凝土强度的预测方法大多参考普通混凝土强度预测方法,而对于一些高强度的混凝而言,一般的预测方法很难精确的确定其强度,利用工程手段模拟神经网络的功能,是一种新型的预测方法。

在阐述bp人工神经网络原理的基础上,针对影响强度的主要因素,建立了多因子混凝土抗压强度3层bp网络模型,以每立方混凝土中水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料含量及置放天数作为模型输入参数,混凝土抗压强度值作为模型的输出,对混凝土抗压强度进行了预测。实验结果表明:所建bp神经网络混凝土抗压强度预测模型最大误差绝对值都小于20%,平均误差为7.33%,模型具有较高预测精度。

本文在分析混凝土抗冻耐久性预测研究现状的基础上,结合bp人工神经网络的特点,利用matlab软件建立了预测混凝土冻融环境下相对动弹性模量的模型,并对预测结果进行了分析。结果表明运用人工神经网络的预测方法操作简便、实用性强且在精度上能满足要求,该模型的建立也可为混凝土抗冻性设计、施工管理和建成后工程的运行维护提供参考。

混凝土强度是结构设计中控制的主要指标，其数值决定于水灰比、胶凝材料用量、矿物掺量、外加剂用量等多种因素，常规计算混凝土强度的公式因个人理解的不同而各异，一种仿生模型—人工神经网络则能很好地解决这个难题，文中尝试用人工神经网络对不同混凝土强度进行预测，结果表明此模型的可靠度很高，可以用以优化混凝土的试配，节约大量的时间、人力、物力和财力.

为了预测混凝土的抗压强度,在分析bp、rbf神经网络原理的基础上,提出用bp、rbf神经网络模拟混凝土抗压强度与搅拌机各主要影响参数间关系的方法。根据搅拌机的实际工作状况,分别建立了4维输入向量、1维输出向量的bp、rbf神经网络模型,通过19组试验,验证了2种模型的可靠性。结果表明,实测结果与预测结果相接近,该2种神经网络模型能较准确地快速预测混凝土抗压强度。

在分析检测数据的基础上,提取了结构服役时间、结构建造时间、结构检测时间、混凝土设计强度和混凝土碳化深度等特征参数,建立了预测既有建筑混凝土强度退化的人工神经网络模型。采用动量法和自适应调整法改进了bp算法;采用训练好的bp神经网络对既有混凝土强度最小值和混凝土强度最大值进行了预测,并与实测值进行了对比。结果表明:利用bp神经网络对既有建筑混凝土强度退化进行预测是可行的,该研究成果可为既有建筑大面积的抗震性能普查提供参考。

为准确预测浇注式导电沥青混凝土的融冰效果,基于300组试验样本数据,以环境温度、结构层厚度及通电时间为输入层,以融冰体积为输出层,建立了bp神经网络浇注式导电沥青混凝土融冰效果预测模型,并采用pearson相关性检验方法验证了预测模型的准确性。结果表明:不同环境条件下,bp神经网络预测模型的相对误差在2.1%以内,其相关系数r介于0.9955~0.9965之间,拟合优度r~2介于0.9910~0.9930之间,预测结果准确、可靠性强。

本文讨论了如何应用人工神经网络（ann）方法预测高性能道面混凝土的抗折强度，详细论述了采用bp算法建立抗折强度网络模型的过程。仿真实例表明，bp网络可成功地反映混凝土抗折强度的非线性规律，且预测精度相对较高。

膨胀混凝土干燥收缩落差的研究

混凝土砖砌体湿胀干缩是引起该砌体建筑易裂的主要因素之一。通过参照相关的标准,采用理论分析和实验验证的方法对混凝土砖的干缩性能的含义进行解释,进而阐述干缩率和吸水率、含水率、环境湿度、温度、相对含水率的关系。

在传统预测混凝土强度的基础上,提出一种基于人工智能的新的预测方法,建立了两种神经网络模型:bp神经网络和rbf神经网络,实现了从新拌混凝土成分及其特性到硬化后混凝土强度之间的复杂的非线性映射。通过对试验数据的学习,网络结构可以早期预测混凝土28d抗压强度。另外,还利用bp神经网络模拟分析了混凝土成分质和量的变化对抗压强度的影响,其结果符合已知的经典混凝土强度变化规律,表明神经网络模型具有较高的精度和较强的泛化能力。

研究了混凝土表观密度、水灰比、轻集料品种、不同矿物掺合料对轻集料混凝土收缩特性的影响,实验结果表明:轻集料混凝土干燥收缩随着水灰比降低、表观密度提高、集料吸水率的增大而减小,粉煤灰、磨细矿渣粉等矿物掺合料的掺入改善了轻集料混凝土的收缩,并且随着掺量的增加,收缩率呈降低的趋势。

对混凝土多孔砖试块进行了连续60d干燥收缩变形的试验,通过对其在标准养护和自然养护环境中收缩性能的研究,分析了环境温度、相对湿度及龄期对混凝土多孔砖收缩变形的影响,并提出了考虑这些因素的混凝土多孔砖收缩变形估算公式。研究结果可为我国混凝土多孔砖在工程中的应用提供参考依据。

通过对人工神经元及bp网络的简要介绍,结合三峡工程大坝混凝土试验实测数据,应用人工神经网络的理论和方法,利用matlab语言编制了基于神经网络理论的混凝土抗裂指标预测程序,实现了对混凝土抗裂指标值的预测,证明了人工神经网络在混凝土抗裂指标预测方面的可行性与可靠性。

在进行了正交试验的基础上,采用人工神经网络方法,建立混凝土的氯离子扩散系数与混凝土配比六个参数之间的非线性映射关系,研究各个参数对混凝土抗渗性能的影响,该研究成果可以减少混凝土试配次数,节约大量的人力、物力和时间,为高性能混凝土的研究发展奠定了基础。

在分析普通混凝土强度影响因素基础上,选取混凝土配料中7个因素作为输入值,混凝土28d强度作为输出值建立了混凝土强度预测的bp网络模型。讨论了模型的学习样本、网络参数对预测精度的影响,选出最佳网络参数配置。实例证明模型预测精度高。

为了提供早期预测再生粗骨料混凝土强度的有效方法,从8篇文献中收集了47组样本,借助matlabr2015a平台,基于bp神经网络,建立了以单位体积的水、水泥、砂、碎石、再生粗骨料用量作为输入,以再生混凝土28d棱柱体抗压强度作为输出的含单隐层的3层神经网络模型,其结构为5-21-1.对网络进行训练后的仿真结果表明,预测的最大相对误差为18.69%,预测误差小于5%的占样本总量的78.72%.预测结果表明用bp神经网络模型预测再生混凝土的强度是可行的.

针对目前混凝土强度预测中存在的不确定性,难以自适应性的确定神经网络隐含层,建立了基于高维云的rbf神经网络的混凝土预测模型。运用matlab8.10进行仿真实验。实验结果表明该模型综合考虑了影响混凝土强度的各种因素,能够实现预测结果的随机性和模糊性,具有更高的预测精度,更快的训练速度,可以广泛应用于生产现场实地的混凝土强度预测和质量检验。

为考察混凝土内部相对湿度与自收缩和干燥收缩的关系,实验测量了在表面密封(试件ⅰ)和表面先密封后暴露于环境中(试件ⅱ)2种干燥条件下早龄期混凝土试件的自由变形和内部温湿度变化规律。实验结果表明:在3d龄期前,同处于密封状态的两试件的自由变形和内部温湿度变化相同;从3d龄期开始,试件ⅱ在水分散失作用下内部湿度下降明显大于试件ⅰ,相应地,由于叠加了干燥收缩,其变形也明显大于试件ⅰ的自收缩变形。这说明混凝土试件在近似相同的温度历程下,内部相对湿度与其湿度变形,可作为混凝土自收缩与干燥收缩的统一内因进行统一描述。

建筑节能是当今城市建设和社会发展的前沿和研究热点,对建筑的能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础,而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性、为公共建筑节能工作提供决策依据的有效途径和重要手段。研究针对常规bp网络算法收敛速度慢、易陷入局部最小点的缺点,采用了具有较快收敛速度及稳定性的lm算法进行预测,构造了基于bp神经网络的建筑物用电量预测模型。以某市公共建筑原始用电能耗统计数据作为样本,并采用matlab对预测模型进行了仿真预测。结果显示:误差在允许范围内。

建筑业是我国重要的物质生产部门之一，在我国的经济发展过程中，—直扮演着重要的角色。工程作为建筑业的核心，工程的管理具有很高的现实意义。所谓工程造价预测，是指处于准备投标或准备建设的工程项目，在进行投标或实施前，依据现有的建设工程项目资料、结合建设工程施工环境及施工企业自身条件，采用相应的方法对建设工程项目的成本进行预测，并将预测结果用以控制项目实施过程中的成本支出，能够提高建筑企业的项目成本管理的科学性，促进企业资金的良性运转。