人工神经网络在自密实混凝土抗压强度预测中的应用

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。

免振捣混凝土的配合比的不同对其抗压强度有很大影响,为了解决免振捣混凝土抗压强度预测问题,采用bp神经网络方法通过免振捣混凝土不同配合比训练网络预测其抗压强度,结果表明bp神经网络的隐层节点数目对预测精度有较大影响.通过分析得出采用bp神经网络对免振捣混凝土抗压强度预测是可行的.

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。

钢筋混凝土广泛应用于土木工程领域,随着近年来交通土建行业的飞速发展,其应用越来越广泛。本文通过实际工程中积累的强度检测数据,用matlabr2015b软件编程,实现基于bpnn神经网络的混凝土强度预测拟合算法。结果表明,通过预测结果与试验实测结果对比,根据预测模型得出的相对误差绝对值都在10%左右；基于bpnn神经网络的混凝土抗压强度预测可用于混凝土配合比的确定,提高配制效率。

采用基于levenberg-marquardt算法的bp神经网络,构建珊瑚混凝土抗压强度预测模型,并使用考虑交互作用的正交设计试验l27(313)优化模型参数。试验结果表明:隐含层神经元数目和调整量初始值对网络性能影响显著,且二者间存在交互作用。经验证,参数优化后的模型预测误差小,预测结果可靠,可为配合比设计和优化提供指导。

为了有效提高混凝土抗压强度的预测精准度,利用粒子群算法优化bp神经网络初始权值和阈值,建立了混凝土抗压强多因子pso-bp预测模型。模型以每立方混凝土中水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料的含量以及置放天数为输入参数,混凝土抗压强度值作为输出参数,不仅可以克服bp算法收敛速度慢和易陷入局部极值的缺陷,而且模型的学习能力、泛化能力和预测精度都有了很大的提高。以uci数据库中的concretecompressivestrength数据集为例进行仿真测试,结果表明:pso-bp模型预测精度较bp、ga-bp模型分别提高了8.26%和2.05%,验证了pso-bp模型在混凝土抗压强度预测中的有效性。

本文采用误差反向传播神经网络(bp)建立了混凝土抗压强度的预测模型,在不同的误差目标值及隐含层节点数条件下,探讨模型的预测精度。实验结果表明,当误差目标值设定为0.01、隐含层节点数为3时,模型的预测精度最高,平均误差百分数为6.6%。当误差目标值设定较大时,样本的预测值与实测值会发生明显的偏差,预测效果不佳。

通过研究再生粗骨料取代率、水灰比对再生保温混凝土抗压强度的影响,建立了以再生粗骨料取代率、水灰比以及混凝土表观密度为因子的bp神经网络预测模型,旨在通过这三种因子的测量对再生保温混凝土28d抗压强度进行预测。试验研究表明,当再生粗骨料取代率为50%时,再生保温混凝土抗压强度与混凝土拌合物表观密度近似成线性关系,抗压强度随着水灰比的增大而降低；当取代率为100%时,抗压强度与表观密度为非线性关系,抗压强度随表观密度的增大而增大,随水灰比的增加而增加。建立的三因子bp神经网络模型的预测值与实际值的误差在3%以内,可用于再生保温混凝土的抗压强度预测。

如何在进行自密实混凝土配合比设计前对其工作性能和强度进行有效预测,为配合比设计提供指导,是一大难点。本文利用bp神经网络,对自密实混凝土的工作性能(坍落度和扩展度)和28d强度进行预测。结果表明,利用大量试验数据样本训练的bp网络可以预测不同情况下的自密实混凝土的坍落度、扩展度和28d强度,预测精度高。

如何在进行自密实混凝土配合比设计前对其工作性能和强度进行有效预测,为配合比设计提供指导,是一大难点。利用bp神经网络,对自密实混凝土的工作性能(坍落度和扩展度)和28d强度进行预测。结果表明,利用大量试验数据样本训练的bp网络可以预测不同情况下的自密实混凝土的坍落度、扩展度和28d强度,预测精度高。

应用matlab提供的神经网络工具箱作为bp神经网络训练和仿真的平台,并进行语言编程,通过采用不同隐函数节点数进行对比试验,采用精度与误差都合适的节点数进行训练与预测,观察预测的精度,并分析神经网络对抗压强度结果预测的可应用性,从而得出一些有益的结论。

人工神经网络技术综合考虑了高强度、高性能混凝土强度的各种影响因素,可用于预测混凝土强度。本文选取混凝土配料中7个因素作为输入值,混凝土28d强度作为输出值,建立起混凝土强度预测bp网络模型,进而对混凝土配合比强度实验数据进行分析预测,结果效果良好。表明该方法用于高性能混凝土强度预测方面是可行的。

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、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。尝试用人工神经网络对16种配比的混凝土进行28d强度预测,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。

采用神经网络方法对自密实混凝土受弯梁的正截面承载力进行模拟.以影响自密实混凝土梁受弯承载力的主要因素(抗压强度、截面尺寸、配筋率等)为参数,以构件的受弯极限承载力为网络输出,建立多层前馈神经网络来描述其非线性关系.利用不同研究者的32组试验数据对网络进行训练和测试.测试表明,建立的神经网络模型对32组试验数据具有良好的模拟精度,可作为预测自密实混凝土梁受弯承载力的一种新的计算方法.

自密实混凝土流动性试验及其神经网络预测研究——在对不同配合比情况下新拌自密实混凝土的流动性进行了试验研究的基础上，利用matlab的神经网络工具箱对试验结果进行了人工神经网络预测分析。研究表明利用人工神经网络数值模型能够较好地预测新拌自密实混凝土的...

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。

主要论述了对普通混凝土的改进,改进为低强度的自密实混凝土以解决工程中混凝土施工出现的:早期强度不高、易开裂、漏振等引起的工程质量问题。

准确地预测混凝土的实时强度对确保结构的安全使用有重要的作用，而影响混凝土强度的因素很多，且各种因素对混凝土强度的影响程度不同，所以在实际工程中对混凝土强度的预测比较复杂。通过人工神经网络及大量样本数据，阐述了人工神经网络强度预测模型的技术方案，有效结合多种影响因子，建立了评估预测系统。实测结果表明，预测准确率达到了96％以上，为混凝土更好地在工程上应用提供一定理论依据，且为今后人工神经网络理论进一步在结构工程中应用奠定了基础。

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.

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16种配比的混凝土进行28d强度预测,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。

同条件养护混凝土试件强度与混凝土的配合比、环境温度、养护时间有密切的关系,它们之间是复杂的非线性关系,采用神经网络模型方法,界定两者之间的关系,可用于实际工程的强度预测。

利用bp神经网络法,建立了再生混凝土的抗压强度预测模型。该模型采用了3层网络结构模式,输入层采用再生混凝土的配合比数据,输出层为再生混凝土,置放7、28、56、90d的强度数据,模型的转移函数均采用单极性sigmoid函数。由于sigmoid函数值为[0,1],因此,对再生混凝土输入数据进行归一化处理。最后,设计了33块再生混凝土的抗压强度试验,利用试验数据对网络模型进行测试,测试的结果证实了该模型对再生混凝土的强度预测值与实际测试结果基本相符。