基于神经网络的植生型多孔混凝土抗压强度预测模型

分析了影响植生型多孔混凝土抗压强度的主要因素,选取目标孔隙率、水胶比、胶凝材料用量、粗骨料用量、水用量、粗骨料平均粒径、粗骨料比表面积、粗骨料堆积孔隙率及浆骨比作为植生型多孔混凝土抗压强度的影响指标,分别建立了BP多层前馈神经网络预测模型和采用遗传算法优化的BP神经网络预测模型(GA-BP).收集国内外文献中146组植生型多孔混凝土试验数据,以其中116组数据作为训练样本,并采用其余30组数据作为试验样本与BP、GA-BP神经网络模型预测值、线性回归方程抗压强度计算值进行比较分析,结果表明:BP、GA-BP神经网络模型计算精度与离散性更优,且较线性回归方程计算结果更接近于样本试验值,更能够准确地预测多孔混凝土的抗压强度值.     

基于GA-BP神经网络的粗骨料UHPC的抗压强度预测

为实现对粗骨料UHPC的抗压强度的预测和配合比设计方法的优化,搜集了国内外文献中168组粗骨料UHPC配合比和标准养护28 d抗压强度实测值,给出了各材料组分和抗压强度频数分布,并基于灰色关联分析法分析了各材料组分与抗压强度的关联关系,通过神经网络参数分析,建立了基于遗传算法的前馈神经网络,相比普通的BP神经网络具有更好的预测精度和泛化能力。最后基于建立的GA-BP神经网络给出了不同强度等级粗骨料UHPC配合比设计中粗骨料/胶凝材料、钢纤维体积掺量、砂胶比的建议取值范围。     

BP神经网络在再生混凝土强度预测中的应用

为了提供早期预测再生粗骨料混凝土强度的有效方法,从8篇文献中收集了47组样本,借助Matlab R2015a平台,基于BP神经网络,建立了以单位体积的水、水泥、砂、碎石、再生粗骨料用量作为输入,以再生混凝土28 d棱柱体抗压强度作为输出的含单隐层的3层神经网络模型,其结构为5-21-1。对网络进行训练后的仿真结果表明,预测的最大相对误差为18.69%,预测误差小于5%的占样本总量的78.72%。预测结果表明用BP神经网络模型预测再生混凝土的强度是可行的。     

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...     

基于拌和生产数据的BP神经网络混凝土抗压强度预测

为解决混凝土生产中抗压强度试验周期长及工程管理存在滞后性的问题,提出了一种基于混凝土拌和生产实时监控数据的BP神经网络混凝土抗压强度预测模型。以混凝土拌和生产中的8项物料生产称重数据和5项生产配比数据作为预测输入变量,建立200组混凝土拌和站生产监控数据和对应的抗压强度试验数据样本集,按照6∶2∶2比例划分为训练集、验证集和测试集;分别以C40配比混凝土拌和生产的8项物料称重数据和全部13项数据作为输入变量,进行混凝土28 d抗压强度预测,将预测结果与实际试验结果进行比较,验证所提出BP神经网络模型的预测效果。结果表明：所提出的BP神经网络混凝土强度预测模型能较好地实时预测混凝土28 d抗压强度,且相对误差优于利用7 d抗压强度试验数据估算值;8项物料称重数据作为输入变量的BP神经网络预测模型预测精度更好,平均绝对百分比误差为0.82%,均方根误差为0.52 MPa;利用不同拌和站C20配比、C30配比混凝土拌和生产监控数据对8项输入变量BP神经网络混凝土抗压强度预测模型进行适应性验证可知,其预测平均绝对误差均在0.5 MPa之内,平均绝对百分比误差均小于2%,与C40配比预测误差一致...     

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GA-BP神经网络的UHPC抗压强度预测与配合比设计

开展了不同配合比条件下超高性能混凝土(UHPC)的制备与抗压强度试验,并结合已有数据形成了神经网络训练样本;根据UHPC原材料组成和性能需求设计了包含神经网络输入层(7节点)、隐层(8节点)和输出层(1节点)的拓扑结构,并引入遗传算法(GA)优化了UHPC抗压强度预测网络的初始权值和阈值;采用试验样本模拟训练了不同配合比条件下的UHPC抗压强度预测GA-BP神经网络,并以此为基础建立了基于不同性能需求的配合比设计方法.对比试验数据和传统BP神经网络方法计算结果发现,GA-BP神经网络能更好地指导UHPC抗压强度预测和配合比设计.     

再生混凝土抗压强度预测方法研究

以BP神经网络在解决非线性问题方面的优越性为指导思想,建立了再生混凝土28 d抗压强度预测模型。利用具有全局搜索优势的遗传算法对BP神经网络进行优化,提高BP神经网络的预测精度。经过查阅相关文献,筛选出较为合适的L-M算法作为训练函数,把收集到的再生混凝土配合比数据代入网络进行训练与预测。结果表明,GA-BP神经网络预测精度较BP神经网络有了进一步提高。     

基于BP神经网络的自密实清水混凝土性能预测研究

针对自密实清水混凝土试验周期长、表观性能影响因素多等问题，应用BP神经网络对其性能预测，有效减少试验量，快速找出外加剂最优掺量。基于BP神经网络卓越的非线性处理功能，将减水剂、消泡剂、引气剂、坍落度作为输入变量，自密实清水混凝土的7 d抗压强度、扩展度、气孔面积、色差作为输出变量，建立含有2层隐含层的BP神经网络模型，利用试验所得12组数据，预测自密实清水混凝土的性能，将预测值与试验值进行比较，确保模型高精确度。结果表明：神经网络模型预测结果良好，强度预测的相对误差最高达到10.8%，其余均在10%以下，其中第11组的混凝土性能最优，预测与实际结果相吻合。     

废玻璃粉混凝土抗压强度试验及其神经网络预测

对玻璃粉掺量分别为0、10%、15%、20%、25%、30%、35%的混凝土的7、28、60、120 d的抗压强度进行试验,在试验的基础上,用MATLAB建立神经网络预测模型,输入量为:水胶比、废玻璃粉用量、水泥用量、粗骨料用量、砂用量、养护龄期,输出量为混凝土抗压强度,建立废玻璃粉混凝土的抗压强度预测模型。试验结果表明:神经网络预测模型可以有效预测废玻璃粉混凝土的抗压强度,预测精度较高。     

基于BP神经网络的绿色混凝土抗压强度预测模型

与普通混凝土相比,绿色混凝土具有成分复杂的特点,为了在多因素作用下更为准确地预测绿色混凝土的抗压强度,在分析三层BP神经网络原理的基础上,选择影响绿色混凝土抗压强度的7个指标,以66个抗压强度试验为示例,建立了三层BP神经网络抗压强度预测模型.验证样本的训练结果表明,该模型能够较准确地快速预测绿色混凝土的抗压强度,并通过对各指标的权重计算,确定了影响绿色混凝土抗压强度的主要因素.     

基于改进型BP神经网络的大型CCHP系统负荷预测研究

为了解决BP神经网络在预测空调负荷时存在的学习速度慢、维数灾难、容易陷入局部收敛及无法保证全局收敛最优解等问题,首先采用Spearman秩相关系数分析冷负荷的主要影响因素,确定了动态冷负荷预测模型的输入参数,然后构建复合遗传算法的改进型GA-BP神经网络预测模型,并分别利用BP和GA-BP神经网络模型对位于上海的某大型...     

再生粗骨料沙漠砂混凝土配合比试验研究

为探究将沙漠砂与再生粗骨料结合应用配制混凝土的可行性，设计四因素三水平正交试验，进行再生粗骨料沙漠砂混凝土和易性和抗压强度试验，分析水胶比、砂率、沙漠砂替代率和再生粗骨料替代率对再生粗骨料沙漠砂混凝土和易性、7 d与28 d抗压强度的影响。试验结果表明：采用再生粗骨料部分替代天然粗骨料、沙漠砂部分替代中砂配制混凝土是可行的。从强度与和易性角度出发，得到C30混凝土最优配合比为水胶比0.4、砂率28%、沙漠砂替代率40%和再生粗骨料替代率50%。     

预湿与附加用水组合处理方式下高红砖含量再生粗骨料替代率对C20混凝土性能影响研究

研究了预湿与附加用水组合处理方式下，高红砖含量再生粗骨料替代率对C20再生粗骨料混凝土流动性能与抗压强度以及界面微观结构的影响。结果表明，在预湿与附加用水组合处理方式下，当高红砖含量再生骨料替代率小于50%时，混凝土流动性能与抗压强度受再生骨料替代率的影响较小；当再生骨料替代率超过50%后，即便采用预湿与附加用水组合处理方式，混凝土减水剂用量仍显著增大，混凝土流动性能受到明显影响，同时混凝土7、28 d抗压强度均显著降低；高红砖含量再生粗骨料对混凝土骨料与浆体界面结构的弱化作用，是其替代率过大时，混凝土抗压强度降低的主要原因。     

陶瓷粉再生混凝土抗压强度正交试验研究

考虑水胶比、再生粗骨料取代率、陶瓷粉掺量为陶瓷粉再生混凝土抗压强度的影响因素,并对每个因素进行四个水平的正交试验设计,探讨其对龄期为7、28、56 d陶瓷粉再生混凝土抗压强度的影响。通过正交试验极差分析、层次分析和方差分析各因素对陶瓷粉再生混凝土抗压强度的各个影响因素进行了敏感性分析,并提出了各个影响因素在各个强度龄期的最优配合比。结果表明:水胶比对陶瓷粉再生混凝土抗压强度有显著影响,其最优水平为0.380;其次是再生粗骨料取代率,在混凝土龄期为28、56 d时影响程度大于陶瓷粉掺量,最优取代率为30%;最次是陶瓷粉掺量,但该因素在混凝土龄期为7 d时影响程度大于再生粗骨料取代率,从应用方面考虑,最优掺量为20%。     

基于正交试验的纳米CaCO3再生混凝土抗压强度研究

通过正交试验研究了纳米CaCO3掺量、水胶比、砂率和再生粗骨料掺量对再生混凝土抗压强度的影响。结果表明,影响再生混凝土7 d抗压强度的主要因素是水胶比,而影响再生混凝土14 d和28 d抗压强度的主要因素是再生粗骨料掺量。此外,适量纳米CaCO3能够改善再生混凝土的抗压强度,其对早期抗压强度的提高更加明显。     

神经网络下能量桩桩基混凝土强度及导热预测

基于神经元网络理论，建立能量桩桩基混凝土抗压强度和导热系数的预测模型，设计16组不同配合比的桩基混凝土进行抗压和导热试验。根据试验结果，以石墨掺量、玄武岩纤维掺量、水胶比、玄武岩纤维长度作为输入参数，分别以混凝土抗压强度、导热系数作为模型的输出参数，建立两个4-9-1的BP神经网络模型。研究结果表明：基于BP神经网络模型的预测与试验结果误差在5%以内，预测精度较高，可以作为能量桩桩基混凝土配合比设计的参考。     

再生混凝土收缩徐变试验及徐变神经网络预测

试验研究了不同再生粗骨料取代率下再生混凝土的收缩与徐变规律.结果表明：龄期120d时,粗骨料取代率为50%,100%的再生混凝土RAC50,RAC100的收缩总变形值较普通混凝土分别增加17%,59%;徐变持荷90d时,再生混凝土RAC50,RAC100的徐变变形值较普通混凝土分别增加12%,76%.将徐变试验数据与RILEM B3,ACI 209R 92,CEB FIP(90)等徐变预测模型进行对比,并结合试验结果对RILEM B3模型进行了修正.采用BP神经网络方法对再生混凝土徐变进行了预测,考察了再生粗骨料取代率、水灰比等对再生混凝土徐变的影响.     

基于正交试验的再生骨料透水混凝土性能影响研究

利用再生骨料制备透水混凝土,分析多因素对再生骨料透水混凝土性能的影响,基于正交试验设计对再生骨料透水混凝土的基本物理性能进行试验和分析,研究了不同水平下目标孔隙率、水胶比、矿物掺合料掺量等因素对再生骨料透水混凝土有效孔隙率、28 d抗压强度和透水系数等性能的影响,并通过拟合28 d抗压强度与透水系数试验数据的相关关系,研究建立了两者的线性预测模型。结果表明:各因素对再生骨料透水混凝土的28 d抗压强度和透水系数影响的综合排序为:目标孔隙率>水胶比>矿物掺合料掺量;再生骨料透水混凝土的28 d抗压强度和透水系数呈反相关的线性关系,其线性回归模型可用于实际工程的预测。     

预湿与附加组合用水量对C20再生粗骨料混凝土性能影响研究

研究了预湿与附加组合用水量对C20再生粗骨料混凝土流动性能与抗压强度的影响。结果表明，组合方式下，预湿处理后的再生粗骨料能够更加快速、充分的吸收附加用水，更便于对附加用水量的调控，且能够显著提高混凝土拌合物的流动性能保持能力，但当组合用水量过多时，再生粗骨料混凝土的28 d抗压强度整体呈降低趋势。