人工神经网络预测混凝土碳化深度与钢筋锈蚀量

基于混凝土碳化与钢筋锈蚀都是由多因素引起的缘故,运用BP神经网络方法进行混凝土碳化深度及钢筋锈蚀量分析和预测,其结果优于以数学模型为基础的经验公式法,而且若能将BP神经网络模型应用于结构耐久性其它方面(如抗冻),那么结构耐久性的综合评价及结构的剩余使用寿命都可以得到很好的预测.     

锈蚀开裂后混凝土中钢筋锈蚀量的预测

基于腐蚀电化学原理，对锈蚀开裂后钢筋的锈蚀量进行了分析，考虑环境条件对锈蚀速度的影响，提出了具体估计锈蚀量的公式；进一步与实际工程检测结果进行比较，给出了修正方法。     

钢筋锈蚀与混凝土的耐久性

钢筋混凝土仍然是当今世界占主导地位的建筑材料和结构形式，并以耐久性好而著称，但是，钢筋混凝土结构的耐久性使用问题又逐渐成为当今世界普遍关注的重大课题，本文就对此进行讨论及论述。     

浅议混凝土中钢筋的锈蚀

针对混凝土中的钢筋锈蚀问题，从其作用机理、锈蚀条件及其与混凝土碳化、氯离子之间的关系等方面进行了阐述，为防止混凝土中钢筋锈蚀提供理论支持。     

应用人工神经网络技术评估混凝土中的钢筋锈蚀量

将人工神经网络技术应用于锈蚀开裂后混凝土中钢筋锈蚀量的评估,在分析锈蚀开裂后影响钢筋锈蚀量的主要因素基础上,建立了评估钢筋锈蚀量的人工神经网络模型,并从网络结构优化和学习参数的角度探讨了神经网络模型的适应性。最后通过实际工程检测结果验证了该方法的实际可行性。     

混凝土碱度与钢筋锈蚀

本文分析了混凝土碱度与钢筋锈蚀的关系,指出要确保钢筋长期不锈蚀,除应使混凝土中的液相pH达到一临界值外,还应使混凝土中有一定的碱储量。文章还对影响混凝土碱度的因素进行了分析。     

混凝土中钢筋锈蚀研究概述

钢筋混凝土结构中钢筋的锈蚀或腐蚀是导致结构耐久性退化的主要因素之一。综合现有的研究可知,碳化使混凝土中性化,而氯离子起催化剂的作用,两者均能破坏钢筋表面的水化氧化膜。氯离子穿透保护层混凝土到达钢筋表面,钢筋锈蚀开始。钢筋锈蚀物体积膨胀,在混凝土内部堆积和扩散能减缓锈蚀速率,但钢筋的锈蚀速率主要由保护层质量和环境条件决定。现有的钢筋锈蚀模型多是经验公式,而钢筋的预测模型对于研究混凝土结构耐久性问题十分重要,故仍有必要进一步研究。结合国内外大量的研究,对混凝土结构中的钢筋锈蚀问题进行了系统的分析,对于有效解决钢筋锈蚀问题以及提高混凝土结构耐久性具有重要意义。     

锈蚀开裂前混凝土中钢筋锈蚀量的预测模型

利用腐蚀电化学原理，建立了一般大气环境混凝土中钢筋锈蚀量的预测模型，结合工程调查结出了模型中参数的具体确定方法；进一步考虑环境相对湿度和钢筋表面水膜对氧的吸收能力，对公式进行修正，并分析了钢筋锈蚀量与混凝土强度、保护层厚度、钢筋直径和锈蚀时间的关系。     

混凝土钢筋锈蚀量预测的智能模型及应用

由于混凝土开裂后钢筋的锈蚀伴随着很多不确定性,实际工程中钢筋锈蚀程度的离散性又很大,另一方面,由于混凝土中的钢筋锈蚀机理非常复杂,影响影响因素很多,因此,采用各种计算模型很难得到钢筋锈蚀量,且与实测值误差较大.将径向基经网络技术应用于锈蚀开裂后混凝土中钢筋锈蚀量的评估,建立了评估钢筋锈蚀量的智能信息模型.最后通过实际工...     

混凝土结构钢筋锈蚀耐久性损伤评估及寿命预测方法

对钢筋锈蚀耐久性损伤与构件承载能力可靠性等级的关系进行了分析，提出了混凝土结构中钢筋锈蚀耐久性寿命评估和预测方法，可为混凝土结构可靠性鉴定提供充分依据     

遗传-BP神经网络法预测叶绿素a浓度变化

基于2009年—2010年对临江河回水区水质指标的监测数据,采用遗传算法结合BP神经网络的方法对回水区的叶绿素a(Chl-a)浓度变化进行动态模拟预测。通过灰色关联法确定了对Chl-a浓度有显著影响的指标与网络输入变量,即水温、DO、流速、透明度(SD)、TP、CODMn及Chl-a。模拟结果表明,遗传-BP神经网络的预测值和实测值吻合较好,其相对误差约为9.8%,模型可良好地用于次级河流回水区叶绿素a浓度的短期预测。预测结果表明,在春末夏初季节,当水库蓄水位为150～160 m时,临江河回水区富营养化潜势较高,尤其应注重临江河该时段富营养化的防控工作。     

小波网络应用于空调负荷预测

准确预测空调负荷不仅对蓄能空调高效运行意义重大,而且也是冷热电三联产技术发挥优势的关键所在。本文提出一种小波网络应用于空调负荷的预测模型,通过小波分解,把空调负荷序列分解为不同频段的小波系数序列,再将各层的小波系数子序列重构到原尺度上,然后对小波系数序列采用相匹配的BP神经网络模型进行预测,最后合成空调负荷序列的最终预测结果。该预测模型中的低频小波系数a3和中频小波系数d3的神经网络输入变量为前1天小波系数值和对应时刻的温度、相对湿度、风速、总辐射量、天气状况和星期几编码共7个因子,并采用主成分分析法进行输入变量的降维;高频小波系数d2和d1以前几日的小波系数为输入因子。经过对西安市某综合楼的空调负荷进行预测,证明了预测值和实际运行值拟和很好,相对误差为-10%~8%。该预测模型具有预测精度较高、推广能力较强及计算速度较快的优点。     

基于人工神经网络的春节期间燃气负荷预测

研究了春节期间燃气负荷的规律，考虑了天气、温度、传统节假日等因素，采用BP网络和径向基神经网络相结合的方法对春节期间燃气负荷进行预测，效果良好。     

MIV-PSO-BP神经网络用户热负荷预测

提出利用MIV-PSO-BP神经网络预测用户热负荷。MIV-PSO-BP神经网络基于BP神经网络,利用PSO算法优化神经网络初始参数,采取MIV算法筛选与输出变量相关程度最大的输入变量。以绝对误差、均方根误差作为指标,评价MIV-PSO-BP神经网络的预测效果。结合箱线图,比较BP神经网络、MIV-PSO-BP神经网络的预测相对误差分散程度与异常点数量。与BP神经网络相比,MIV-PSO-BP神经网络的预测效果更理想。由BP神经网络、MIV-PSO-BP神经网络的预测结果相对误差箱线图可知,MIV-PSO-BP神经网络预测结果相对误差集中,异常点少;BP神经网络预测结果相对误差分散,异常点多。MIV-PSO-BP神经网络预测准确性、稳定性更高。     

MIV-PSO-BP神经网络用户热负荷预测

提出利用MIV-PSO-BP神经网络预测用户热负荷。MIV-PSO-BP神经网络基于BP神经网络,利用PSO算法优化神经网络初始参数,采取MIV算法筛选与输出变量相关程度最大的输入变量。以绝对误差、均方根误差作为指标,评价MIV-PSO-BP神经网络的预测效果。结合箱线图,比较BP神经网络、MIV-PSO-BP神经网络的预测相对误差分散程度与异常点数量。与BP神经网络相比,MIV-PSO-BP神经网络的预测效果更理想。由BP神经网络、MIV-PSO-BP神经网络的预测结果相对误差箱线图可知,MIV-PSO-BP神经网络预测结果相对误差集中,异常点少;BP神经网络预测结果相对误差分散,异常点多。MIV-PSO-BP神经网络预测准确性、稳定性更高。     

基于神经网络的混凝土强度预测

在传统预测混凝土强度的基础上,提出一种基于人工智能的新的预测方法,建立了两种神经网络模型:BP神经网络和RBF神经网络,实现了从新拌混凝土成分及其特性到硬化后混凝土强度之间的复杂的非线性映射。通过对试验数据的学习,网络结构可以早期预测混凝土28d抗压强度。另外,还利用BP神经网络模拟分析了混凝土成分质和量的变化对抗压强度的影响,其结果符合已知的经典混凝土强度变化规律,表明神经网络模型具有较高的精度和较强的泛化能力。     

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。     

基于遗传算法和BP网络的岩爆预测

选取影响岩爆的一些关键指标,例如脆性系数、弹性应变能指数、应力强度比等作为输入参数,采用经遗传算法优化过的BP网络,对岩爆的发生及其烈度进行了预测.针对国内外一些地下工程的实例进行了分析计算,预测结果与实际情况是符合的,说明这种方法有一定的实际意义.     

混凝土中钢筋直径雷达检测的神经网络方法

介绍了神经网络的基本理论,提出了一种利用神经网络处理探地雷达信号对钢筋混凝土中钢筋直径进行测算的新方法;采用BP和Elman两种神经网络模型,并利用小波包分析提取了雷达波的特征参数;针对神经网络应用时实际训练数据不足的问题,提出利用多项式拟合的方法来补充训练数据。试验结果表明:该方法对钢筋直径的测算结果是令人满意的。     

基于BP神经网络的堆肥物料抗剪强度预测模型

针对目前传统方式采集堆肥物料抗剪强度数据过程中环境恶劣、数据采集困难、试验误差大等问题,提出一种基于BP神经网络的抗剪强度预测模型。通过现场试验得到堆肥物料抗剪强度和堆体高度、温度、含水率、密度等参数共39组有效数据,以其中35组作为训练样本,其余4组用于评价模型的预测性能。结果表明,该模型预测值与实测值的平均误差为11. 35%,基于BP神经网络的抗剪强度预测模型具有较高的预测精度,为抗剪强度的预测提供了一种新方法。