人工神经网络在混凝土施工质量评价中的应用研究

利用神经网络方法建立混凝土施工质量评价的模拟模型,以混凝土制备、运输、浇筑、养护为输入层,混凝土施工质量程度为输出层,建立人工神经网络模型,并以实际数据对该网络进行训练和测试.实践表明,该模型具有较好的辨识精度.最后得出数字化的评估结果,能准确、直观地反映施工质量的优劣,从而展示了人工神经网络在工程施工质量评价中的广阔前景.     

高性能混凝土的耐久性与超高耐久性混凝土的开发应用

1．前言高性能混凝土是以高耐久性为目标而发展起来的。为了保证混凝土具有高的耐久性，高性能混凝土的水胶比一般低于0．38，这样从理论上可以阐明混凝土中的水泥石仅存在水泥凝胶、凝胶水和大约8％左右的孔限；而无毛细水‘”。混凝土具有高的抗渗性与耐久性。根据上述理论，许多国家开发和应用了低水灰比的高强度混凝土。1979年，美国混凝土协会（ACI）成立了高强混凝土委员会，有系统地研究与推广高强混凝土（HSC）；并于1982年将100MPa的HSC用于美国芝加哥贸易大厦。1989年，在芝加哥商业大厦6层以下的柱子，使用了强度为96MPa的…     

从混凝土渗透性评价混凝土耐久性

如何评价混凝士的耐久性是一个十分复杂的问题。本文阐述r混凝土的传输机制,分析了混凝土渗透性与耐久性的关系,并结合现有理论分析和试验研究结果,指出可以从混凝土渗透性评价混凝土的耐久性。     

混凝土结构的耐久性预评估

混凝土结构耐久性与某些因素的选取或规定有密切的关系，因此对这些因素预先进行评定以判断它们是否有利于结构的耐久性，是一项十分必要的工作。本文开展了这一方面的讨论，并建议了一种简单、实用的评估模型和相应的评价标准。利用本文的建议，可以很方便地预测所建结构耐久性，从而对结构设计的合理性作出估计，以便及时改进设计方案或采取其它的特殊措施来确保结构的耐久性。     

C30P8混凝土耐久性的试验与评价

通过试验系统研究了C30P8混凝土的耐久性能,并参考国内外有关标准或规范的评定指标,对各项耐久性能进行了评价。结果表明,混凝土的抗渗标号均不低于P10;电通量在650C～1360C之间,抗硫酸盐侵蚀系数在0.88～1.18之间,电通量大于1000C、抗蚀系数小于1.0对混凝土耐久性不利;28天碳化深度从10mm到25mm不等,碳化有造成钢筋锈蚀的危险。由于原材料、配合比、生产工艺的不同,同等级的C30P8混凝土各项耐久性能有较大差异。     

基于抗渗性的纤维混凝土耐久性评价体系

对当前国内外混凝土耐久性评价方法进行了综合评述,并基于混凝土抗渗性与耐久性之间的密切关系建立了"基于抗渗性的纤维混凝土耐久性综合评价体系"。基于这一评价体系,结合纤维混凝土的特点建立了"基于抗渗性的纤维混凝土耐久性评价体系模型"。通过对聚丙烯纤维混凝土、玄武岩纤维混凝土以及玄武岩-聚丙烯混杂纤维混凝土的抗水渗性、抗冻融性和抗硫酸盐腐蚀性进行试验研究,对各系列纤维混凝土抗渗性指标D1与抗冻融性指标D2、抗硫酸盐腐蚀性指标D3关系进行拟合,并得到了基于抗渗性的玄武岩-聚丙烯混杂纤维混凝土耐久性评价模型,进一步验证了"基于抗渗性的纤维混凝土耐久性评价体系模型"的合理性。     

自适应植被混凝土耐久性评价的探讨

针对植被混凝土的特点,结合混凝土耐久性的要求,提出自适应植被混凝土耐久性评价指标,包括主体植被的耐久性和载体多孔混凝土的耐久性,以期对植被混凝土耐久性进行评价。     

BP神经网络预测混凝土抗冻耐久性研究

利用神经网络对混凝土抗冻试验数据进行训练并对未参与训练的数据进行预测。通过调整神经网络结构的各种参数,求得各参数的最佳值。用神经网络初步预测的抗冻耐久性指数与试验测得的指数误差在8%以内,基本能满足工程要求。     

对高强混凝土耐久性评价方法的探索

在试验研究的基础上 ,发现了评价高强混凝土中浆体—集料过渡层性能的简要指标———粗集料破碎率 ,该指标简单易行 ,只需在抗压试验后进行简单的点数即可获得 ,可作为评价混凝土耐久性的一个参数 ,为混凝土的耐久性设计提供了又一个依据。     

Construction equipment productivity estimation using artificial neural network model

Estimating equipment production rates is both an art and a science. An accurate prediction of the productivity of earthmoving equipment is critical for accurate construction planning and project control. Owing to the unique work requirements and changeable environment of each construction project, the influences of job and management factors on operation productivity are often very complex. Hence, construction productivity estimation, even for an operation with well‐known equipment and work methods, can be challenging. This study develops and compares two methods for estimating construction productivity of dozer operations (the transformed regression analysis, and a non‐linear analysis using neural network model). It is the hypothesis of this study that the proposed neural networks model may improve productivity estimation models because of the neural network's inherent ability to capture non‐linearity and the complexity of the changeable environment of each construction project. The comparison of results suggests that the non‐linear artificial neural network (ANN) has the potential to improve the equipment productivity estimation model.     

人工神经网络在粉煤灰橡胶粉改善混凝土抗裂性能预测中的应用

混凝土抗裂性能评价与预测一直是学术界与工程界的研究难点,常规的预测模型主要基于某几项指标,形式因个人的理解不同而各异。一种仿生模型——人工神经网络则能很好地解决这个难题,试验尝试用BP人工神经网络对多种配后比的混凝土进行抗裂性能评价与预测,结果表明此模型的可靠度很高,效果良好。该方法用于掺矿物掺和料混凝土抗裂性能预测方面是可行的。     

基于人工神经网络的回弹-拔出综合法检测混凝土强度的研究

在试验研究的基础上,建立了混凝土强度回弹-拔出综合法检测的人工神经网络模型.探索并应用了神经网络的改进算法,其中包括附加冲量法、自适应学习算法及S型函数输出限幅算法等,以保证建立的神经网络的快速有效.与传统的回归算法相比,采用人工神经网络模型推测出的混凝土强度具有更高的精度.     

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.     

基于人工神经网络的混凝土实时强度影响因素敏感性分析

准确地预测出混凝土材料在使用过程的实时强度对于正确评估结构安全性有着重要的意义。影响混凝土材料实时强度的主要因素包括龄期、环境类别、水灰比、胶凝材料用量等等。采用人工神经网络进行混凝土实时强度影响因素敏感性分析。首先,对影响混凝土实时强度的各类因素进行分析,确定敏感性因素。其次,针对龄期敏感性因素,建立两个神经网络,一个神经网络的输入变量包含龄期,另一个不包含龄期,将训练好的两个神经网络用同组数据进行测试,比较两组测试结果,以此来确定龄期因素对混凝土强度的敏感性。采用上述方法分别对环境类别、水灰比、胶凝材料用量等因素进行敏感性分析。最后,通过比较确定混凝土龄期、环境类别、水灰比为影响混凝土实时强度的敏感性因素。     

基于人工神经网络的大体积混凝土温度场预测

大体积混凝土的水化热不容易及时散发,内部温升将会很高,从而产生很大的温度应力,导致出现温度裂缝。预测分析温度场为研究温度裂缝以及进行温控设计、制定合理的防裂措施提供了依据。针对大体积混凝土温度场的非稳态特性,提出了一种基于BP人工神经网络Levenberg—Marquardt算法的温度场预测模型。预测结果表明,该模型收敛速度快,预测精度较高。     

造价估测方法的研究和BP神经网络模型的应用

比较分析了现行的造价估测模型的特点及其存在的问题,突出BP神经网络模型进行造价估测的理论优势,引入工程分类思想,以学校类建筑为例,建立了BP神经网络估测模型并进行了造价估测.     

人工神经网络在岩质边坡稳定性预测中的应用

针对岩质边坡稳定性分析中存在的问题，提出了运用人工神经网络（ANN）预测岩质边坡稳定性的新方法，并构造了相应的BP神经网络模型。预测结果表明，该模型具有很高的预测精度，能够满足实际工程需要。     

利用人工神经网络求解混凝土板瞬态温度场

阐述了混凝土板温度场的热传导微分方程和差分解析方法以及BP网络的算法步骤。在此基础上，提出了利用人工神经网络技术求解混凝土板瞬态温度场的方法。