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.     

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。     

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。     

三种神经网络在混凝土强度预测中的应用

通过建立改进的BP和RBF两种神经网络模型，对混凝土的强度进行预测，将预测值与常规BP神经网络模型预测结果进行了比较，研究表明，改进的BP和RBF的神经网络模型能够充分考虑影响混凝土强度的各种因素，在强度预测中具有广泛的应用前景。     

BP神经网络在混凝土性能预测中的研究进展

随着人工智能技术的快速发展,BP神经网络在混凝土性能预测研究中的应用愈加广泛。文章在介绍BP神经网络设计原理的基础上,对BP神经网络在混凝土强度和混凝土耐久性方面的研究现状进行分析,总结BP神经网络在混凝土性能预测研究中的主要特征并提出未来展望,以期为混凝土性能预测相关研究提供理论参考。     

基于BP神经网络的再生保温混凝土抗压强度预测

通过研究再生粗骨料取代率、水灰比对再生保温混凝土抗压强度的影响,建立了以再生粗骨料取代率、水灰比以及混凝土表观密度为因子的BP神经网络预测模型,旨在通过这三种因子的测量对再生保温混凝土28 d抗压强度进行预测。试验研究表明,当再生粗骨料取代率为50%时,再生保温混凝土抗压强度与混凝土拌合物表观密度近似成线性关系,抗压强度随着水灰比的增大而降低;当取代率为100%时,抗压强度与表观密度为非线性关系,抗压强度随表观密度的增大而增大,随水灰比的增加而增加。建立的三因子BP神经网络模型的预测值与实际值的误差在3%以内,可用于再生保温混凝土的抗压强度预测。     

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。     

应用神经网络预测混凝土的强度

本文通过建立模型 ,以神经网络算法为基础来预测混凝土结构的抗压强度。在网络测试中 ,使用了一系列的试验数据。最后将网络预测的结果和实测数据进行对比 ,得出结论     

遗传算法—BP神经网络在混凝土碳化深度预测中的应用

通过对混凝土碳化深度实测资料的分析,建立了基于遗传算法-BP神经网络原理的混凝土碳化深度预测方法。应用该方法对两个算例的的混凝土碳化深度进行预测,并与实测值和理论值进行对比,证明该方法对在混凝土碳化深度预测的有效性。     

改进的BP神经网络在混凝土碳化深度预测中的应用

通过对混凝土碳化深度实测资料的分析,建立了基于 BP 神经网络原理的混凝土碳化深度预测方法.由于传统的 BP 神经网络有收敛慢,易陷入局部极小点的问题,采用改进的 BP 神经网络,通过与混凝土碳化深度的实测值、理论值的对比,证明了该方法在混凝土碳化深度预测方面的有效性并且具有令人满意的精度。     

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。     

人工BP神经网络在交通量预测中的应用

充分利用人工神经网络对非线性系统很强的模拟能力及Matlab的人工神经网络工具箱Web技术,使未来交通量预测在网上进行得以实现预测,并以国道及主要实际道路为例,对模型进行了理论验证。     

BP神经网络在地基承载力预测中的应用

阐述了BP人工神经网络原理,分析了地基承载力的影响因素,以云安县六都一高要大湾二级公路（云浮段）新建工程勘察数据为例,通过建立神经网络模型并对模型进行训练,结果表明,该模型比较精确,可在今后勘察工作中运用。     

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...     

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。     

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。     

SPSS,BP神经网络及ANFIS在透水性混凝土性能预测中的应用

利用SPSS统计分析软件及建立BP和ANFIS两种神经网络模型,对透水性混凝土的性能进行预测,将3种模型的预测结果进行了比较,研究表明,BP和ANFIS神经网络模型由于综合考虑了影响混凝土强度的各种因素,能够实现非线性关系,具有较高的预测精度,在透水性混凝土性能预测中具有广阔的应用前景.     

人工神经网络在混凝土强度预测中的应用

混凝土强度是结构设计中控制的主要指标,其数值决定于水灰比、胶凝材料用量、外加剂用量等多种因素。常规计算混凝土强度的公式因个人理解的不同而各异,一种仿生模型—人工神经网络则能很好地解决这个难题。尝试用人工神经网络对16种配比的混凝土进行28d强度预测,结果表明,此模型的可靠度很高,可以用以优化混凝土的试配,节约大量的时间、人力、物力和财力。