BP神经网络在再生混凝土强度预测中的应用

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Matlab R2015a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28 d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。     

自密实混凝土工作性能和强度的BP神经网络预测

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。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28 d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28 d强度,预测精度高。     

自密实混凝土工作性能和强度的BP神经网络预测

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。     

基于神经网络的再生混凝土配合比设计优化

影响再生混凝土配合比设计的因素复杂,传统的配合比设计方法已经不适于组成成分复杂的再生混凝土.人工神经网络(ANN)对处理大量原始数据而不能用规则或公式描述的问题,以及不能用数学模型表达的问题具有很好的适应性.根据再生混凝土的特殊性,找出影响其强度和坍落度、保水性的主要因素,对试验中通过主观观察得到的数据进行量化,在此基础上建立预测其强度和工作性能的BP神经网络模型,并对网络进行训练.为了验证训练好的网络的推广性能,用预留的一组试验数据进行仿真.在工程实践中可以根据经验选择出一些大致的配合比,输入训练好的网络进行试配,直到找到最佳的一组,可以在不进行试验室操作的情况下选取最优的配合比.     

基于ANN算法的冻融循环后钢筋再生混凝土黏结强度预测方法研究

钢筋再生混凝土结构因其节能和环保的优势而成为了研究热点,钢筋与再生混凝土的黏结作用是两种材料协同工作的基础,而粘结行为受到冻融循环的影响严重,因此必须对冻融循环后的黏结强度进行准确的计算。在已有试验数据的基础上,建立了用于预测冻融循环后钢筋与再生混凝土黏结强度的BP神经网络模型。选取20个试件的黏结试验数据进行研究,首先,以冻融次数为0、25、50和100的16个试件的黏结试验数据为样本对模型进行训练;其次,利用训练好的模型预测冻融次数为75次的4个试件的极限黏结强度和峰值滑移,通过预测值与试验值的对比发现文中建立的BP神经网络模型能够准确的预测冻融循环后钢筋与再生混凝土黏结强度和峰值滑移。提出的方法能够为钢筋混凝土结构的设计提供一种新的参考依据。     

水泥稳定碎石干缩应变BP网络预测模型

采用三层BP神经网络对水泥稳定碎石和聚丙烯纤维水泥稳定碎石的累计干缩应变建立了预测模型,通过对干缩性能试验数据进行网络训练,得出BP网络模型训练效果较好;为了检验网络的推广能力,采用测试样本对网络进行了测试,并分析了目标值与仿真值的线性相关性,结果表明网络预测效果较好,用BP网络模型预测水泥稳定碎石的累计干缩应变是可行的。     

再生混凝土抗压强度预测方法研究

以BP神经网络在解决非线性问题方面的优越性为指导思想,建立了再生混凝土28 d抗压强度预测模型。利用具有全局搜索优势的遗传算法对BP神经网络进行优化,提高BP神经网络的预测精度。经过查阅相关文献,筛选出较为合适的L-M算法作为训练函数,把收集到的再生混凝土配合比数据代入网络进行训练与预测。结果表明,GA-BP神经网络预测精度较BP神经网络有了进一步提高。     

基于BP神经网络的既有建筑混凝土强度预测

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。     

普通混凝土强度预测的双并联前向神经网络模型

为了预测混凝土强度,在分析普通混凝土的28d强度的影响基础上,建立了混凝土强度预测的双并联前向神经网络模型。介绍了双并联前向神经网络模型的计算过程厦其学习方法。通过编程用计算机对混凝土强度预测进行了仿真模拟,结果与鲍罗米公式计算蛄果比较表明预测精度高,模型可靠。通过与BP网络模型比较发现双并联前向神经网络模型具有更好的收敛效果。     

再生混凝土强度预测的神经网络模型

BP神经网络方法由于综合考虑了再生混凝土强度的各种影响因素,能够实现非线性关系,可以用于再生混凝土强度预测.为克服传统BP网络收敛速度慢、易出现麻痹现象等不足.研究采用L-M算法来改进传统的BP神经网络,仿真结果表明,该方法简单可行,搜索速度快,预测结果可靠、精度高.     

神经网络在配制高强预拌泵送混凝土中的应用

基于人工神经网络的原理 ,提出了解决高强预拌泵送混凝土配制问题的BP神经网络方法 ,据此开发的混凝土配合比设计应用软件 ,能较好地进行强度及流动性能的预测     

神经网络在高强混凝土配制中的应用研究

基于人工神经网络的原理和高强混凝土配制及施工的技术经验和路线 ,提出了解决高强混凝土配制模式特征不明确、随机因素多、各组分对混凝土强度及泵送性能影响呈非线性等问题的BP神经网络方法 ,据此开发的混凝土配合比设计应用软件 ,能较好地实现高强混凝土的强度及流动性能的预测。     

海水海砂再生混凝土的基本力学性能

利用海水、原状海砂及再生粗骨料,制备了设计预期强度为C20~C50的海水海砂再生混凝土。通过240个标准立方体(150 mm×150 mm×150 mm)和96个棱柱体(150 mm×150 mm×300 mm)试件,完成了工作性能、立方体抗压强度、轴心抗压强度、劈裂抗拉强度以及弹性模量试验,研究了海水海砂再生混凝土的基本力学性能;最后基于试验数据,得到了海水海砂再生混凝土立方体抗压强度与轴心抗压强度关系公式以及弹性模量与轴心抗压强度关系公式。结果表明:海水海砂再生混凝土工作性能良好,C40和C50强度等级的坍落度比一般再生混凝土分别提高5%和33%;立方体抗压强度、轴心抗压强度和劈裂抗拉强度随着龄期变长而增加,且长期强度趋于稳定;与普通混凝土相比,海水海砂再生混凝土7 d立方体抗压强度提高13%~52%,28 d抗压强度降低约5%,90 d抗压强度降低约15%,180 d抗压强度降低18%~29%;海水海砂再生混凝土28 d弹性模量比普通混凝土略有降低,降低幅度在14%以内;再生粗骨料对混凝土力学性能、工作性能的影响大于海水海砂。     

再生混凝土配合比设计试验研究

对粗骨料取代率为100％的再生混凝土和易性、抗压强度和配合比进行了试验研究,着重分析了水灰比、单位用水量和砂率对再生混凝土和易性及强度的影响。研究表明：水灰比是影响再生混凝土和易性及抗压强度的最主要因素,合理砂率为0．35～0．40。通过试验回归了再生混凝土强度和水灰比的关系。     

基于人工神经网络的压弯钢筋混凝土柱侧向承载力的预测

双向压弯钢筋混凝土柱侧向承载力的计算比较复杂,它受截面尺寸、轴压比、混凝土强度、加载角度、剪跨比及配筋等诸多因素影响。基于BP神经网络技术,提出双向压弯钢筋混凝土柱侧向承载力的预测模型。以影响柱侧向承载力的主要因素为参数,用数值模拟结果,建立模型,并验证BP神经网络模型对双向压弯钢筋混凝土柱侧向承载力预测的效果良好。     

人工神经网络在掺活化煤矸石粉混凝土强度预测中的应用

人工神经网络技术综合考虑了掺活化煤矸石混凝土强度的各种影响因素,可用于预测混凝土强度.选取了掺活化煤矸石粉混凝土配料中7个主要因素作为输入值,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,进而对掺活化煤矸石配合比强度试验数据进行分析预测,效果良好.结果表明该方法用于掺矿物掺合料混凝土强度预测方面是可行的.     

绿色再生混凝土性能研究

绿色再生混凝土是混凝土发展的必然方向。本文通过对不同强度等级绿色再生混凝土工作性和抗压强度进行了试验研究,结果表明,采用再生骨料配制高强再生混凝土是可行的。