神经网络的泡沫混凝土强度及导热性能预测

闭孔泡沫铝的导热性能

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。

泡沫混凝土强度的影响因素及质量控制 圆锥破http://www.***.***/反击破http://www.***.***/ 核心提示：本文介绍了泡沫混凝土的制备原理，分析了影响泡沫混凝土强度的因素，提出 了提高泡沫混凝土强度的途径，指出泡沫混凝土是一种利废、环保、节能、低廉且轻质高 强、不吸水、不燃性的新型建筑节能材料。 摘要：介绍了泡沫混凝土的制备原理，分析了影响泡沫混凝土强度的因素，提出了提 高泡沫混凝土强度的途径，指出泡沫混凝土是一种利废、环保、节能、低廉且轻质高强、不 吸水、不燃性的新型建筑节能材料。 关键词:泡沫混凝土，强度，外加剂，配合比 0引言 泡沫混凝土是指通过发泡剂的发泡系统将发泡剂(通过化学或物理的方式根据应用需 要将空气或氮气、二氧化碳、氧气等气体引入混凝土浆体中)利用机械方式充分发泡，并将

本文通过大量实验研究了影响陶粒泡沫混凝土强度的诸因素,总结了提高陶粒泡沫混凝土强度的方法.

陶粒泡沫混凝土强度的影响因素研究

近年来泡沫混凝土作为一种无机保温材料倍受关注,然而关于泡沫混凝土导热系数模型的研究甚少。本文首先介绍了几种常用的多相复合材料导热系数模型,然后将各种模型用于泡沫混凝土导热系数试验数据验证和研究并进行比较。研究结果表明,文中所提出的导热系数模型适合特定配比的泡沫混凝土,且因其具有两个可调参数而具有很大的应用潜力。

研制了系列不同容重的泡沫混凝土,对泡沫混凝土的气孔率和导热系数进行了测试。在此基础上利用二相体系材料导热系数模型对实验结果进行了分析,运用matlab软件进行了拟合;改进了maxwell方程,提出并验证了适用于泡沫混凝土的新方程。经测算,理论预测值与实验结果显示了良好的一致性,研究结果表明,所提出的导热系数新方程适合于指导设计特定配比的泡沫混凝土。

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.

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。

本文运用均匀设计的方法进行树脂混凝土的配合比设计,用较少的试验取得较好的效果;建立了树脂混凝土的强度预测的神经网络模型,对试验的数据进行了训练和仿真,预测的结果与试验结果吻合非常好。

在分析普通混凝土强度各影响因素的基础上,选取6个影响因素组成输入层,以混凝土28d强度作为输出,建立径向基函数网络,经网络训练和仿真结果对比,表明所建网络结构合理、收敛速度快、精度高,可以满足普通混凝土强度预测要求,具有广泛的应用前景。

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。

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。

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。

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。

随着煤矿开采深度不断增加,巷道的高温热害问题尤为突出。在普通喷射混凝土中掺入陶粒、憎水玻化微珠、粉煤灰以及改变砂子的用量来设计正交试验,研究混凝土的抗压强度、抗拉强度、抗折强度和导热系数的变化。试验结果表明：憎水玻化微珠是影响混凝土的导热系数、抗压、抗拉和抗折强度的主要因素,因此憎水玻化微珠掺量宜选在100%;陶粒是影响混凝土抗折强度的主要因素,贡献率高达60.61%,因此陶粒的掺量在20%最优;随着粉煤灰掺量的增大,导热系数先降低后增大,强度先提高后降低,因此粉煤灰掺量宜为20%;随着砂子用量的降低,导热系数一直在降低,抗压强度和抗拉强度先提高后降低,抗折强度一直在提高,因此砂子用量在571kg/m~3最优。

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。

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.

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。

1适用范围及编制依据 1.1适用范围 （1）rt轻质泡沫混凝土（又称发泡混凝土）是我公司引进国际先进技术、 结合国内的实际应用情况，采用特殊的原料经机械的方法制成泡沫，再将已制成 的泡沫加入胶凝材料浆体，即制成的混凝土拌和物，然后现浇成型，再经自然养 护所形成的一种含有大量封闭气孔的轻质材料，它是一种新型独特的多功能建 材。 （2）rt泡沫混凝土用于屋面保温隔热，将保温层、找坡层合二为一，简化 保温层施工工序，与混凝土屋面结成一个整体。 1.2编制依据及验收规范和施工规范 （1）施工合同、招标文件、图纸、施工组织设计 （2）《建筑施工手册》、《高层建筑施工手册》、《中华人民共和国工程 建设标准强制性条文房屋建筑部分》 （3）《现行建筑施工规范》（修订缩印本）中国建筑工业出版社出版 （4）《屋面工程技术规范》（gb50207-2002） （5）《建筑节能工程施工质量验

泡沫混凝土 (4)

1 采用泡沫混凝土屋面找坡兼顾保温的工法 1、前言 泡沫混凝土又名发泡混凝土是近年来用于填充、屋面找坡、保温的一种 新型建材，因其本身材质轻、不燃烧、浇筑成型后不透水、整体性好，且具 备较好的保温性能等特点，目前正推广用于建筑找坡或坡度不大于10%保温 屋面。传统用细石混凝土找坡，当屋面面积过大，找坡过厚则自重过大；用 珍珠岩、加气混凝土散料等材料找坡，则存在因其湿作业颗粒间含水，不易 蒸发，造成下部天棚洇水返潮，上部防水层顶气起鼓，而影响屋面后期防水 效果等弊病。根据gb50176-93《民用建筑热工设计规范》“建筑热工设计应 与地区气候相适应”的要求，鉴于江苏省属于夏热冬冷地区，屋面首先应满 足隔热设计标准要求同时适应兼顾冬季保温的实际情况，泡沫混凝土找坡工 艺，与屋面隔热、保温体系一并统筹考虑设计后所具备的经济性，相信将是 今后我省屋面找坡兼保温的首选材料之一，本公司经过