混凝土抗压强度预测

介绍了传统的混凝土抗压强度推算法，及各种在施工中积累的常用设计标号混凝土抗压强度7d龄期与28d龄期的百分比，以便更好地控制混凝土抗压强度。     

基于BP神经网络混凝土抗压强度预测

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...     

结构混凝土抗压强度预测RBF-ANN模型

为了达到对C20^C40范围内的结构混凝土抗压强度快速准确预测的目的,基于RBF-ANN模型基本原理及应用特点,在钻芯法、回弹法、超声波法及回弹-超声波综合法等大量室内和现场无损检测试验基础上,进一步应用Matlab2012b神经网络工具箱,建立了混凝土抗压强度RBF-ANN预测模型。该模型经充分训练后,应用于山西省重点建设工程项目的结构混凝土质量控制。工程实践表明,构建的RBF-ANN模型预测精度为4.4%,满足工程实际需要,具有较好的便捷性、经济性和准确性。     

基于耦合BAS-MLP的混凝土抗压强度预测

针对1 030组混凝土抗压强度试验数据,通过天牛须搜寻算法（BAS）来训练多层神经网络（MLP）,并与混合复杂进化方法（SCE）-MLP、多元宇宙优化算法（MVO）-MLP这2种耦合模型算法进行对比分析,得到可用于预测混凝土抗压强度的算法模型.结果表明：BAS可以显著提高MLP的训练精度和预测精度,该算法比SCE-MLP、MVO-MLP耦合模型算法更快、更准确;与人工神经网络（ANN）和支持向量机（SVM）个体学习算法相比,元启发式算法在混凝土抗压强度预测方便表现出良好的优越性.同时讨论了BAS-MLP模型中与训练数据集数量和输入变量数量相关的因素,发现使用1 030组数据的80%即可获得良好的预测结果.     

基于FLR和ANFIS方法预测混凝土抗压强度研究

由于水泥基材料的复杂特性,混凝土抗压强度影响因素众多,准确预测混凝土抗压强度是非常困难的。采用模糊线性回归(FLR)和自适应神经模糊推理系统(ANFIS)方法,以硅酸三钙,石膏类材料,比表面积和碱含量为预测模型变量,对混凝土抗压强度进行预测。研究结果表明,FLR方法的平均百分比误差水平最高,但其通过使用对称三角模糊数字来估计输出值,并确定了硅酸三钙是增加混凝土抗压强度的最重要因素。ANFIS方法成功地降低了预测水泥强度的不确定性水平,但是ANFIS是黑箱模型,预测数据缺乏可解释性。     

基于BP和GA-BP神经网络的混凝土抗压强度预测研究

由于影响混凝土抗压强度的因素众多,且抗压强度与各影响因素之间的关系是一种复杂的非线性问题,采用了机器学习的方法较好地对混凝土抗压强度做出预测,研究采用BP和GA-BP两种神经网络分别对混凝土28 d抗压强度进行预测并进行分析,其中输入层的参数为水泥、炉渣、粉煤灰、水、减水剂、粗骨料和细骨料的用量。结果表明：与BP神经网络式相比,GA-BP神经网络预测值与实测值更为吻合,平均误差率减少了43%,有更好的预测能力。同时研究采用灰色关联算法对输入层进行敏感性分析,表明粗骨料用量的改变对28 d混凝土抗压强度的影响最大,并且在输入层删除敏感性较低的参数后,神经网络的预测效果有进一步提高。研究还通过GA-BP神经网络寻最优值对当混凝土强度达到最大值时,输入层各影响因素的数值进行了预测,为混凝土的抗压强度预测和配合比设计提供了分析方法且该神经网络对试验有较好的导向作用。     

基于模拟退火的粒子群算法优化的二次回归在混凝土抗压强度预测中的应用

混凝土抗压强度与其影响因素之间存在着很强的非线性关系,精确预测混凝土抗压强度对提高工程质量和施工进度等具有重要意义。为了提高预测值的精确度,建立了二次回归预测模型,利用基于模拟退火的粒子群算法对模型系数进行了优化和求解。实例仿真表明这种经智能算法优化后的二次回归预测模型优于传统神经网络预测模型,预测精度得到了较大提高。     

基于BP神经网络的再生混凝土抗压强度预测

再生混凝土抗压强度影响因素多、力学性能易劣化,为提高再生混凝土品质,必须对其强度特性进行深入研究。针对常规回归分析方法预测再生混凝土存在的问题,利用非线性映射能力良好的BP神经网络算法进行再生混凝土抗压强度预测。该预测模型以粗骨料吸水率、水灰比和水泥掺入比作为输入层,以再生混凝土28 d抗压强度作为输出层,中间隐含层节点数为10。仿真结果表明,该模型平均相对误差仅为3.04%,线性相关系数大于0.94,该方法具有简单高效的特点。     

混凝土抗压强度与渗透性的早期预测

通过早期性能参数测试来快速预知混凝土的后期性能是实际工程中常见问题。研究结果表明混凝土7—56d的抗压强度发展规律符合对数函数关系,混凝土7～56d的电通量发展规律符合指数函数关系,在掌握大量试验数据的基础上,利用已建立的回归方程可以对施工中各龄期混凝土的抗压强度和渗透性进行预测。     

基于BP神经网络的混凝土抗压强度预测分析

混凝土的抗压强度是衡量混凝土质量的重要指标之一,混凝土的抗压强度不仅受实验条件的影响,同时受到外加剂、水泥、水等比例的影响。传统的测定混凝土抗压强度的实验方法耗时长、材料消耗大,且经常得不到准确的结果。文章采用MATLAB软件进行BP神经网络模型训练,用训练好的模型进行混凝土抗压强度的预测工作,神经网络的输入变量为影响混凝土抗压强度的八个因素,混凝土的抗压强度值为输出层结果。对一组混凝土样本进行抗压强度预测,得到的预测值与实测值间的误差均小于3%,预测结果较为精确。     

基于人工神经网络的混凝土抗压强度预测方法

在给出混凝土等效水灰比和骨料平均浆体厚度计算方法的基础上，采用人工神经网络方法，建立了混凝土28d抗压强度与混凝土等效水灰比、骨料平均浆体厚度和粉煤灰与胶凝材料用量比之间的非线性映射关系．该研究成果可减少混凝土试配次数，节约大量人力、物力和时间，并为高体积稳定性混凝土配合比设计方法的研究进一步奠定了基础．     

粉煤灰混凝土抗压强度研究

通过实验研究粉煤灰对混凝土强度的影响。掺入粉煤灰后期可以提高混凝土的抗压强度．混凝土的抗压强度随着粉煤灰掺量的增加而略有提高，但掺加量大于15％，抗压强度随着粉煤灰掺量的增加而略有下降。     

钢纤维自密实混凝土抗压强度估值模型

进行钢纤维自密实混凝土构件设计时通常需要用到抗压强度指标,但是目前预测钢纤维自密实混凝土抗压强度的公式很少。定义了钢纤维有效增强因子,并对试验数据回归分析,提出一个预测钢纤维自密实混凝土28 d抗压强度的模型。使用模型计算了文献中钢纤维自密实混凝土的抗压强度,并与实测数据比对,结果表明预测强度与实测强度符合的很好。     

透水混凝土抗压强度预测的灰色系统模型

通过研究骨料表面浆体层厚度分别在0.25、0.30、0.35、0.40、0.45、0.50 mm的情况下透水混凝土的抗压强度、有效孔隙率、透水系数等性能,建立了浆体层厚度与抗压强度之间的非线性关系方程,实现对透水混凝土抗压强度的预测。结果表明：随着浆体层厚度的增大,混凝土有效孔隙率和透水系数呈现逐渐降低的趋势,而抗压强度随着浆体层厚度的增大而提高。通过灰色预测系统理论计算出来的抗压强度模拟值与实际值有较好的吻合度,在设定接受的误差内,是满足实际要求的,说明在一定程度上验证了灰色预测模型对透水混凝土抗压强度具有较好的适应性,为工程实际运用提供了一种新思路。     

回弹法检测混凝土抗压强度精确度的分析

回弹法检测混凝土抗压强度在我国使用已达四十余年,因其操作简便、检测范围广等特点而倍受工程检测人员的青睐,是我国目前工程检测中应用最为广泛的检测方法之一。但回弹法在使用过程中还是出现了较多的操作不规范、随意性大、计算方法不当等问题,造成了较大的测试误差。如何保     

基于截面换算规则的FRP约束混凝土轴心抗压强度模型研究

FRP在结构补强方面已经得到了广泛的应用,有关FRP约束混凝土于圆形柱轴心抗压强度计算模型相对较为成熟。以FRP约束混凝土圆形柱应力模型的基础上,针对方柱、矩形柱截面与圆形截面的不同,对FRP约束矩形截面混凝土柱的轴心受压性能进行过程分析,基于截面面积和惯性矩相等的换算原则,提出了矩形截面转换为圆形柱的等效直径计算公式,引入了截面影响系数对极限强度进行了修正,构建了FRP约束钢筋混凝土矩形柱的极限强度模型,并应用已有的试验数据对模型的有效性和可行性进行检验,结果表明,模型计算结果与试验数据具有较好的吻合度和一致性,能够反映FRP约束混凝土矩形柱的真实特性,研究成果可作为工程实践的参考依据。     

粉煤灰混凝土抗压强度试验研究

进行了粉煤灰混凝土的抗压强度试验,研究了在不同条件下粉煤灰混凝土的抗压强度,并结合试验数据分析得出一些影响粉煤灰混凝土强度众因素的规律和结论。