能量桩桩基混凝土力学性能试验研究

为提高能量桩热交换效率,在能量桩混凝土中掺入石墨和玄武岩纤维,采用正交试验法研究不同水胶比、石墨掺量、玄武岩纤维掺量以及玄武岩纤维长度对能量桩混凝土抗压强度和导热系数的影响。研究结果表明：掺入石墨可以提高混凝土导热系数但抗压强度随之降低;掺入玄武岩纤维可以增加混凝土抗压强度;分析得出能量桩桩基混凝土的最佳配合比为水胶比0.38,石墨掺量5%,玄武岩纤维掺量0.3%且纤维长度12 mm。     

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     

基于BP神经网络纤维增强透水混凝土性能影响

选取长度为6、12、18 mm的玄武岩纤维、聚丙烯纤维作为透水混凝土增强材料。研究在单掺玄武岩纤维及混掺玄武岩-聚丙烯纤维条件下,纤维长度与掺量对透水混凝土力学性能及透水性能的影响。结合人工神经网络,将玄武岩纤维长度、玄武岩纤维掺量、聚丙烯纤维长度、聚丙烯纤维掺量作为人工神经网络输入层,将抗压强度、透水系数作为人工神经网络输出层,通过对试验组进训练,确定隐藏层数量,建立人工神经网络模型。通过测试组验证人工神经网络模型,证明了人工神经网络工具在解决多参数影响下模型建立问题的优异性。     

沥青和水泥混凝土导热特性研究

通过试验,依据热线法研究了干燥和潮湿两种状态下的沥青混凝土和水泥混凝土这两种道面材料的导热系数。测量出了不同环境温度下道面材料温度随时间变化情况,经过计算确定了干燥和潮湿状态下沥青混凝土和水泥混凝土道面材料的导热系数,并用数值回归的方法得出了导热系数随温度变化的公式。     

泡沫混凝土导热系数模型研究

近年来泡沫混凝土作为一种无机保温材料倍受关注,然而关于泡沫混凝土导热系数模型的研究甚少。本文首先介绍了几种常用的多相复合材料导热系数模型,然后将各种模型用于泡沫混凝土导热系数试验数据验证和研究并进行比较。研究结果表明,文中所提出的导热系数模型适合特定配比的泡沫混凝土,且因其具有两个可调参数而具有很大的应用潜力。     

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...     

基于神经网络的桩基承载力预测

承载力是桩基工程中非常重要的参数,结合工程案例应用MATLAB软件,基于主成分分析法和径向基神经网络对桩基承载力进行了拟合、预测,和实测结果相比较,预测结果令人满意。     

小波神经网络预测混凝土强度研究

小波神经网络是将小波理论和神经网络理论结合起来的一种神经网络 ,它避免了BP神经网络结构设计的盲目性和局部最优等非线性优化问题 ,大大简化了训练 ,具有较强的函数学习能力和推广能力及广阔的应用前景。小波神经网络用于混凝土强度预测的结果表明 ,它比传统的BP神经网络的收敛速度快 ,预测精度高     

基于神经网络的桩基承载力预测方法

为解决传统预测方法在对桩基承载力预测时,存在预测误差值较大,预测结果无法满足建筑工程施工的精度要求问题,开展基于神经网络的桩基承载力预测方法研究.通过基于神经网络构建桩基承载力预测模型、计算桩基极限承载力预测结果,提出一种全新的预测方法.通过试验论证的方式证明,新的预测方法与传统预测方法相比,能够综合各项影响因素对桩基垂直方向上的承载力精准预测,得出的预测结果与实际基本一致,为建筑工程施工提供有力数据支撑.     

复掺聚丙烯纤维和玄武岩纤维对泡沫混凝土性能的影响

泡沫混凝土中加入纤维是改善其性能的有效手段。主要研究了复掺聚丙烯纤维和玄武岩纤维对泡沫混凝土干密度、吸水率、强度、导热系数等性能的影响。研究结果表明,当聚丙烯纤维和玄武岩纤维的总掺量为0.30%、掺入比为1∶2时,泡沫混凝土28d抗压强度和抗折强度分别较未掺纤维的泡沫混凝土提高了13%和29%,导热系数降低13%,纤维的加入对泡沫混凝土的吸水率影响较小。因此,复掺聚丙烯纤维和玄武岩纤维对泡沫混凝土的各项性能有较大改善作用。     

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。     

玻化微珠保温混凝土抗压强度与导热系数试验研究

通过正交试验,分析了相关因素对混凝土导热系数和抗压强度的影响规律,验证了在混凝土中掺加一定数量的玻化微珠配制玻化微珠保温混凝土的可行性。     

预测FRP约束混凝土轴压强度的新模型

国内外许多学者根据FRP材料强度计算的约束强度和约束比,提出了不同形式的预测圆截面FRP约束混凝土强度的模型,其结果彼此存在较大差异.本文在分析了大量试验资料后认为试件破坏瞬时FRP产生的有效约束应力与上述约束强度存在不同程度的差距,导致现有模型未能正确体现FRP的约束效应.鉴于FRP强约束混凝土竖向应力超过核心混凝土强度后,它与环向缠绕FRP的拉应变(应力) 间存在良好的线性关系,提出了适用于外包FRP方式,约束刚度比βj在10～150范围内,用约束刚度比βj来预测约束混凝土轴压应力和强度的新模型,以便在给定FRP容许拉应变条件下正确估计FRP约束混凝土实际应力和安全储备.     

混凝土导热系数的理论模型及其应用

本文介绍了确定普通混凝土导热系数的四个理论模型,它们分别是Campbell-Allen and Thorne模型、Hamilton and Crosser模型、Kook-Han Kim模型以及朱伯芳模型。通过这几个模型计算了不同骨料体积含量及不同强度等级混凝土的导热系数,并将这些计算值与实验值比较,可以发现Kook-Han Kim模型计算值的线性拟合与实验值较为接近;虽然其它三个模型计算值的线性拟合与实验值有一定误差,但当混凝土本身的导热系数越高时,它们得到的计算值的线性拟合与实验实测值的误差越小,而且这些模型足够可以反应各个因素对混凝土导热系数的影响。     

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。     

基于细观复合材料的混凝土导热系数模型

混凝土温度场分析是混凝土结构耐久性劣化、温度应力、火灾作用下结构破坏以及建筑节能分析的关键内容,而导热系数是确定温度场的重要参数。在细观尺度上,将混凝土看作由连续相水泥砂浆和分散相粗骨料组成的两相复合材料。分析了两相复合材料等效导热系数理论模型,将其用于混凝土等效导热系数的预测并与实测值进行比较,发现饱和混凝土即使采用不考虑界面热阻模型仍与实测结果吻合较好,而干燥混凝土必须考虑界面热阻的影响。为提高混凝土导热系数理论模型的预测精度,还应考虑粗骨料形状、级配、水泥砂浆与粗骨料间界面热阻以及孔隙率、含水率等方面的影响。