共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
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。 相似文献
3.
在水闸工程病害中,混凝土碳化最为典型,混凝土碳化是造成混凝土裂缝、钢筋锈蚀的最直接因素,因此,对混凝土碳化深度预测研究尤为重要。采用遗传算法优化神经网络,选取混凝土碳化深度的主要影响因素,建立混凝土碳化深度预测模型,并基于VS平台,开发水闸混凝土碳化深度预测系统。收集了盐城市25组水闸数据样本进行预测分析研究,结果表明,采用遗传算法优化BP神经网络模型进行水闸混凝土碳化深度预测是可行的,能够快速、准确识别混凝土碳化深度,为水闸除险加固提供技术支持。 相似文献
4.
5.
再生混凝土抗碳化性能试验研究及理论分析 总被引:2,自引:1,他引:1
通过快速碳化试验,以再生骨料掺量、水灰比、水泥用量、原始混凝土强度和矿物掺合料为影响因素,对再生混凝土的碳化性能进行研究。试验结果表明:再生混凝土的碳化深度随水灰比、再生骨料掺量的增加而减小,随原始混凝土强度的增大和水泥用量的增加而增大,适量添加矿物掺和料能降低再生混凝土的碳化深度,提升其抗碳化性能。在已有的普通混凝土碳化模型研究基础上,结合本试验和中国其他学者的试验数据,建立了再生混凝土碳化深度预测模型,模型预测结果与试验值吻合较好。 相似文献
6.
7.
为研究玻化微珠保温混凝土的碳化性能,进行了不同碳化龄期的室内快速碳化试验。在保温混凝土优化配合比的基础上选定三种不同的水灰比设计试验,测定不同龄期的碳化深度和立方体抗压强度,并选定同等条件下的普通混凝土进行了对比。试验结果表明,保温混凝土的抗碳化性能较好,运用回归分析法建立了保温混凝土的碳化深度预测模型,确定了抗压强度与碳化龄期之间的定量关系表达式。 相似文献
8.
为改善再生混凝土由于骨料自身缺陷产生的性能不稳定,通过掺入废弃聚丙烯纤维的方式探讨其对再生混凝土碳化深度的影响,同时将分形理论引入到废弃纤维再生混凝土孔隙结构的评价体系中,为定性或定量评定废弃纤维再生混凝土孔结构的复杂性及孔结构与宏观性能的关系开辟新的思路。通过快速碳化试验,以再生骨料掺入量、废弃纤维掺入量、水灰比等为影响因素,结合分形理论对废弃纤维再生混凝土的碳化深度进行研究。结果表明:水灰比、再生骨料掺入量的减小及纤维掺入量的增大均会减小碳化深度;废弃纤维再生混凝土孔隙体积分形维数越小,碳化深度越大。利用孔隙体积分形维数与碳化深度的关系,建立了废弃纤维再生混凝土碳化深度预测模型,模型预测结果与试验值吻合良好。 相似文献
9.
通过快速碳化试验研究了水灰比、水泥用量、粉煤灰掺量、碳化龄期四个因素对珊瑚混凝土碳化深度的影响,试验龄期分别为3 d、7 d、14 d、28 d。结果表明:珊瑚混凝土的碳化深度与水灰比、粉煤灰掺量呈正比,与水泥用量呈反比;碳化深度均随碳化龄期增长而增大。基于MATLAB中双隐含层BP神经网络,建立了珊瑚混凝土碳化深度预测模型,编写了循环训练算法程序,经过40次循环近百万次网络训练筛选出了双隐含层最佳神经元节点数,分别为11、5,最小均方根误差为0.67。经验证,该预测模型预测平均误差为5.57%,预测精度良好。 相似文献
10.
为研究轴压荷载作用下混凝土的抗碳化性能,利用自主设计的装置,对普通混凝土以及掺量为30%的粉煤灰混凝土进行轴压荷载-碳化耦合试验。基于试验数据,建立了考虑多因素影响的混凝土碳化深度预测模型,定量地分析了不同应力比下轴压荷载对混凝土碳化深度的影响。结果表明:相同条件下,随着碳化龄期的增长,混凝土碳化深度也在增加,但增长速率会逐渐下降;不同应力比对混凝土抗碳化性能影响也不尽相同,应力比为0.3时混凝土的抗碳化性能最优,应力比为0.6时抗碳化性能最差;相同环境条件下粉煤灰混凝土的抗碳化性能普遍弱于普通混凝土;碳化模型预测值与试验值相对误差小于3%,二者较为吻合。该碳化模型可用于预测混凝土在轴压荷载作用下的碳化深度,为后续不同材料混凝土结构的寿命预测提供参考依据。 相似文献
11.
应用RBF神经网络的预应力混凝土碳化深度预测研究 总被引:1,自引:0,他引:1
在现有混凝土碳化研究成果基础上,建立了预应力混凝土碳化预测模型。随后,运用径向基函数神经网络的基本原理,通过对影响预应力混凝土碳化深度因素的分析,建立了预测碳化深度的RBF和GRNN网络模型。通过实例进行了分析计算和预测,预测结果具有较高的精度。可以说,人工神经网络预测方法是一种可同时考虑各种影响因素组合、行之有效的混凝土碳化预测分析方法。 相似文献
12.
《四川建筑科学研究》2017,(1)
通过掺钢渣再生骨料自密实混凝土的快速碳化试验,研究了不同钢渣的取代率和养护时间对掺钢渣再生骨料自密实混凝土碳化性能的影响。试验表明:在同等的碳化天数下,养护56 d试块的抗碳化性能比养护28 d试块的好;当钢渣的取代率为10%时,其抗碳化性能优于不掺钢渣的混凝土。在对试验数据分析的基础上,建立了掺钢渣再生骨料自密实混凝土碳化深度的预测模型。对比预测模型得出的数据与试验结果的数据可知,建立的预测模型比较合理,可以比较准确地预测正常环境下掺钢渣再生骨料自密实混凝土的碳化深度。 相似文献
13.
混凝土板的抗冲切承载力是结构设计中的重点与难题,基于所收集的475组钢筋混凝土板柱节点抗冲切承载力数据,建立了粒子群算法优化参数选择的支持向量机(PSO-SVR)预测模型,进行多个给定影响因素作为输入变量的RC板柱节点抗冲切承载力预测。将该模型与其他理论经验计算式的预测结果进行对比,结果表明,PSO-SVR模型的误差最小,预测结果最好。最后,利用SHAP解释模型对影响抗冲切承载力的不同指标进行敏感性分析,在给定的6个输入参数中,板的有效深度是最主要的影响因素,钢筋屈服强度的影响最弱。研究结果可以为钢筋混凝土板柱节点抗冲切承载力的预测提供新的思路与方法。 相似文献
14.
《混凝土》2017,(5)
通过快速碳化试验,以活性掺合料矿粉、粉煤灰、引气剂、聚丙烯纤维以及再生粗骨料作为影响因素,对再生混凝土进行碳化性能试验研究。试验结果表明:影响再生混凝土碳化深度因素的主次顺序为:矿粉粉煤灰引气剂再生骨料聚丙烯纤维,并提炼出最优配合比。再生混凝土的碳化深度随着矿粉和粉煤灰掺量的增加而减小,随着引气剂和聚丙烯纤维掺量的增加而增大,随着再生粗骨料掺量的增大表现为先增大后降低,其中聚丙烯纤维掺加可有效提高碳化性能,效果显著。基于普通混凝土碳化计算模型的研究基础上,利用本次试验数据和国内学者数据进行回归分析,建立了建立了活性掺合料再生混凝土碳化深度预测模型。经过试验值和预测值的对比分析,可知预测模型具有较好地精度和可靠性,以供工程实践参考。 相似文献
15.
《Planning》2018,(3)
针对煤层底板破坏深度影响因素冗余、预测方法种类繁多且参数优化较为困难的问题,选取支持向量回归机来预测煤层底板破坏深度,引入灰色关联度分析法和近年来较为流行的果蝇优化算法以用于影响煤层底板破坏深度的主控因素的提取和对常规支持向量回归机的优化,提出了煤层底板破坏深度预测的GRA-FOA-SVR模型;选取开采深度、煤层倾角、开采厚度、工作面斜长、煤层底板损伤变量和煤层切穿型断层或破碎带数等6个影响煤层底板破坏深度的因素,采用灰色关联度分析法选出关联度在80%以上的因素组成煤层底板破坏深度的主控因素;用果蝇优化算法对支持向量回归机参数进行迭代寻优,将最优参数代入支持向量回归机模型中。将测试样本的模型预测值与实测值、规程公式计算值、常规支持向量回归机计算值对比分析,结果表明:GRAFOA-SVR模型比规程公式和常规支持向量回归机的预测误差更小,更能有效地预测煤层底板破坏深度。利用排序加权平均算子法将GRA-FOA-SVR模型同"下四带"理论公式、岩石力学试验和规程公式融合,提出了预测煤层底板破坏深度的多源信息融合的方法,并以良庄井田51302工作面为例,表明了该融合方式的实用性,最后据此方法预测出了肥城煤田6个工作面的煤层底板破坏深度。 相似文献
16.
建筑混凝土的强度受多种因素的影响,其强度的预测是一个多指标综合复杂问题。基于机器算法支持向量机建立了建筑混凝土的强度设计与预测的支持向量机模型,其中模型参数通过粒子群算法进行选择和优化。将建立的模型计算结果与实测混凝土28 d抗压强度进行比较,讨论了各因素与强度值之间的关系。研究表明:预测结果与实测结果一致,可见该模型可以很好的为混凝土设计提供依据。 相似文献
17.
18.
19.
发热量对煤炭利用日趋重要,文章根据影响煤炭发热量的因素,在不同输入因素条件下,应用支持向量机构建不同预测模型;比较不同模型的预测结果,得出最佳模型及输入因素,确定的支持向量机模型与神经网络模型对比,得出支持向量机预测发热量是可行的,期预测效果好于神经网络. 相似文献