双掺粉煤灰和矿渣混凝土强度的BP网络预测模型

双掺粉煤灰和矿渣混凝土的强度发展机理复杂,不能用传统的水灰比线性函数来预测,利用BP神经网络模型来预测其3、28和56d的抗压强度.结果表明:BP神经网络具有较强的非线性映射能力,预测结果比较理想,可以指导实际工程;早龄期的混凝土强度预测值与实测值之间的误差较大,随着粉煤灰和矿渣的二次水化反应逐渐充分,强度发展趋于规律化,预测误差相应变小.     

高性能混凝土碳化试验及人工神经网络碳化深度预测模型

为准确预测混凝土的碳化深度,开展了不同水灰比、粉煤灰掺量、矿渣掺量混凝土的制备与碳化深度测试,进行了数据采集。根据数据及BP算法,建立了3-7-1型三层BP网络,包含三因子网络输入量(水灰比、粉煤灰掺量、矿渣掺量)及单因子网络输出(碳化深度),提出了基于人工神经网络的混凝土碳化深度预测模型。采用最小二乘法建立了线性及伪线性两种预测模型与人工神经网络预测模型进行对比。结果显示：基于BP神经网络建立的混凝土碳化深度预测模型,相比较于常用的最小二乘法线性、伪线性模型更适用于多因素影响条件下的混凝土碳化深度预测,误差仅为线性模型的63.6%,伪线性模型的61.9%,采用BP神经网络能达到理想的预测结果。     

模糊神经网络在粉煤灰混凝土强度预测中的应用

粉煤灰混凝土强度预测是一个典型的多变量，非线性系统。现在预测的方法准确性较差，难以在实际中被普遍应用。本文将模糊理论与神经网络相结合，综合利用二者的优点，进行粉煤灰混凝土强度的建模与预测。     

基于神经网络预测误差修正的广义预测控制

针对建模误差对预测控制的影响,提出一种基于神经网络预测误差修正的广义预测控制算法.被控对象采用递推最小二乘法(RLS)辨识其线性模型;预测误差由前馈神经网络进行建模,并用Powell快速优化方法训练网络.该方法无需预先离线训练神经网络,即可投入闭环控制,并具有理想的稳定性、跟踪性能和鲁棒性.仿真结果表明该算法能够有效地控制复杂系统.     

混凝土强度预测的混合神经网络模型

针对由于混凝土配方的多样性,直接利用神经网络模型对其进行强度预测存在精度差和收敛差的缺点,采用多种神经网络模型相结合的方法,建立了混凝土强度预测的混合神经网络模型。模型的建立主要包括以下三个过程:(1)建立混凝土强度影响参数样本数据库;(2)利用自组织神经网络对样本数据分类;(3)以混凝土原材料和制作工艺为输入参数,混凝土最终性能为输出参数,训练双并联神经网络模型。通过实例验证了模型的可靠性。     

导水裂缝带高度预测的模糊支持向量机模型

针对传统支持向量机(SVM)模型在导水裂缝带高度预测中存在着易受奇异值干扰而造成的泛化能力降低问题,提出了基于异常样本探测、剔除的模糊支持向量机模型(FSVM)。采用模糊聚类分析和加权支持向量机(WSVM)相结合的方法,首先根据模糊ISODATA算法求得导水裂缝带高度及其影响因素的最优分类矩阵,剔除分类结果不一致的观测样本,然后以模糊隶属度为样本权重,按照WSVM建模思想建立了导水裂缝带高度预测的FSVM模型。通过实例将FSVM和WSVM、SVM的预测结果作对比分析。结果表明,FSVM避免了异常样本对预测结果的影响,并顾及了建模样本的不同重要程度,其预测精度比WSVM和SVM有较大的提高。     

基于深度学习的再生混凝土抗压强度预测

进行了18件不同配合比的再生混凝土砌块砌体的抗压强度试验,分析了水灰比、再生骨料取代率和粉煤灰掺量对再生混凝土抗压强度的影响规律。建立了基于深度学习神经网络的抗压强度预测模型,以水灰比、再生粗骨料取代率、再生细骨料取代率和粉煤灰掺量为输入变量预测了再生混凝土砌块的抗压强度。结果表明:与传统神经网络模型相比,基于深度学习的预测模型具有高精度、高效率和高泛化能力的优点,可以作为再生混凝土强度计算的一种新方法。     

基于不同算法的道路混凝土干缩神经网络预测

针对多种因素下道路混凝土干缩预测模型难以建立的难题,基于BP神经网络理论建立了干缩预测模型.结果表明：BP神经网络预测道路混凝土干缩可获得较高准确度,且具有良好的泛化能力,在5种算法中,Trainlm训练速度快,但误差大,Traingda函数训练速度居中,误差最小,用其训练的神经网络可很好映射道路混凝土配合比与干缩率之间的非线性关系.     

神经网络在高强粉煤灰混凝土强度预测及优化设计中的应用

首先介绍了神经网络应用中使用最为广泛的BP网络和RBF网络的模型及其学习算法，然后将其用于高强粉煤灰混凝土的强度预测和优化设计，并与线性回归进行了对比，结果表明神经网络方法具有较高的预测精度，在混凝土性能预测和优化设计中具有广阔的应用前景。     

基于深度学习的再生混凝土抗压强度预测

进行了18组不同配合比的再生混凝土立方体试块的抗压强度试验,分析了水胶比、再生骨料取代率和粉煤灰掺量对再生混凝土抗压强度的影响规律。建立了基于深度学习神经网络的抗压强度预测模型,以水胶比、再生粗骨料取代率、再生细骨料取代率和粉煤灰掺量为输入变量预测再生混凝土试块的抗压强度。结果表明:与传统神经网络模型相比,基于深度学习的预测模型具有高精度、高效率和高泛化能力的优点,可以作为再生混凝土强度计算经验式的一种新方法。     

Excel回归分析应用于混凝土配合比和强度预测

用Excel对双掺粉煤灰和矿粉的不同配比混凝土进行了回归分析,建立了混凝土强度、胶砂强度和水胶比以及不同龄期混凝土强度之间的回归方程,结果显示这些回归方程具有较好的线性相关关系,试验研究对双掺粉煤灰和矿粉混凝土的配制和强度预测具有一定的指导意义。     

高性能混凝土配合比设计的正交试验研究

高性能混凝土配合比设计的研究对实际工程应用有着重要的意义 ,是高性能混凝土研究领域的主要方面之一。采用四因素、三水平的正交试验设计方法对高性能混凝土的配合比进行了试验 ,研究了水泥、硅灰、粉煤灰和外加剂等不同试验因素对高性能混凝土强度的影响 ,分析了每个因素水平对高性能混凝土配合比的作用及各个水平之间的差异。结果表明 ,对混凝土强度的影响因素依次为外加剂、硅灰、水灰比和粉煤灰。并用正交试验结果进行了线性回归 ,给出了预测模型     

活性掺合料对路面水泥混凝土性能的影响和应用研究

针对粉煤灰和硅粉等活性掺合料对路面水泥混凝土性能的影响进行了研究.采用正交法设计了十种混凝土配合比,对在标准条件下养护28天的各配比混凝土试件进行了抗折强度、抗压强度、抗渗透性能和抗冻融性能的测试,并通过回归方法建立了各指标与配合比的关系.试验结果表明,通过添加适量的粉煤灰和硅粉,可以在不降低混凝土强度的基础上有效地提高混凝土的密实性和抗渗性能,并改善其抗冻融性能.同时,再通过技术、经济比较及现场验证,得出适合当地实际情况的最佳配合比.     

粉煤灰混凝土力学性能的多元回归分析

以水胶比、粉煤灰掺量、水泥掺量为参数,配置8组混凝土试件,分别对其进行了抗压强度和抗折强度的试验。利用多元线性回归分析理论建立了混凝土抗压强度、抗折强度与水胶比、粉煤灰掺量、水泥掺量各因素之间的线性回归方程,并对计算结果进行显著性分析,从而建立了混凝土抗压和抗折强度的预测模型。     

Punching shear capacity estimation of FRP-reinforced concrete slabs using a hybrid machine learning approach

Fibre-reinforced polymer (FRP) provides an alternative reinforcement for concrete flat slabs. This research proposes a hybrid machine learning model for predicting the ultimate punching shear capacity of FRP-reinforced slabs. The model employs the least squares support vector machine (LS-SVM) to discover the mapping between the influencing factors and the slab punching capacity. Furthermore, the firefly algorithm (FA), a population-based metaheuristic, is utilised to facilitate the LS-SVM training. A data-set which contains actual tests of FRP-reinforced concrete slabs is utilised to construct and verify the proposed approach. The contribution of this research is to establish a hybrid machine method, based on the LS-SVM and FA algorithms, for meliorating the prediction accuracy of FRP-reinforced slabs’ ultimate punching shear capacity. Experimental results demonstrate that the new model has achieved roughly 55 and 15% reductions in terms of Root Mean Squared Error compared with the formula-based and Artificial Neural Network methods, respectively.     

溶蚀粉煤灰混凝土抗压强度试验与理论预测

钙溶蚀是水环境中混凝土结构耐久性失效的主要原因,通过硝酸铵溶液加速溶蚀试验和损伤力学研究了溶蚀粉煤灰混凝土抗压强度随溶蚀时间的退化规律。在该试验中,水胶比为0.5,粉煤灰掺量分别为0%、10%、20%和30%。试验结果表明,溶蚀深度近似与溶蚀时间的平方根成正比;溶蚀粉煤灰混凝土的抗压强度随着溶蚀时间的增加而下降,掺加粉煤灰可以降低溶蚀混凝土抗压强度的下降率。基于试验结果,把溶蚀粉煤灰混凝土的溶蚀深度和弹性模量表示成粉煤灰掺量和溶蚀时间的函数。再引入峰值应力时未溶蚀和已溶蚀粉煤灰混凝土力学损伤变量相等的假设,利用损伤力学讨论并提出了溶蚀粉煤灰混凝土抗压强度的解析预测方法。经与试验结果比较,初步证实了该预测方法的有效性,为混凝土结构的耐久性评估和设计提供理论依据。     

Effect of recycling hospital ash on the compressive properties of concrete: statistical assessment and predicting model

The compressive strength of mixtures made with bottom and fly hospital ash are compared statistically with those of microsilica and conventional concretes in order to evaluate the effectiveness of reusing hospital incinerator ash. Results showed that the concrete cubes recipe and temperature influence the compressive strength values. Generally, the use of microsilica or fly ash, as cement replacement, of 5% by mass increases the compressive strength of concrete at temperatures up to 800°C. Bottom ash did not achieve any increase in strength when used as cement replacement at all percentages.Finally, artificial neural network (ANN) analysis was conducted to study the practicability of using the ANN theoretical model as a prediction tool. The results showed that a one hidden layer back propagation algorithm could produce reasonable outputs that coincide with the experimental results after proper training.     

高钙粉煤灰混凝土的强度和干缩性能

通过高钙粉煤灰混凝土和低钙粉煤灰混凝土的强度和干燥收缩的系统试验和比较分析。发现高钙粉煤灰对混凝土强度的贡献较低钙粉煤灰更大。混凝土中掺加适量高钙灰,对于混凝土的干燥收缩有补偿作用,可降低其开裂风险。即使在干燥环境中和较低水胶比条件下,这种补偿作用仍能发挥作用。高钙灰的适宜掺量需要根据高钙灰的品质和混凝土配合比情况．由试验决定。在本文所给条件下。掺加25％的高钙灰是可以接受的上限。一般来说,掺加25％左右的高钙灰。所配制的混凝土的强度性能和体积稳定性都较好。     

高强混凝土配合比正交试验设计及多元线性分析

运用正交试验设计的方法 ,研究了水胶比、硅粉和粉煤灰等有关因素对混凝土 7d、2 8d和 90d抗压强度的影响 ,确定了高强混凝土的最优配合比 ,并用多元线性回归分析 ,建立混凝土抗压强度与胶水比、硅粉和粉煤灰掺量的线性关系式