神经网络法在混凝土强度研究中的应用

讨论了如何应用人工神经网络（ANN）的方法预测混凝土抗压强度,详细论述了采用BP算法建立混凝土抗压强度神经网络模型的过程,以及在活化剂作用下高掺量粉煤灰混凝土的强度效应,仿真结果表明,通过学习,BP网络可成功地建立非线性的强度模型,预测强度可达到较高精度。     

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。     

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。     

基于神经网络的温凝土强度预测

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.     

基于ANFIS的碳纤维布与混凝土黏结强度预测

基于模糊神经网络的非线性拟合能力和推理机制,研究了自适应模糊神经推理系统ANFIS在碳纤维布与混凝土的极限黏结强度预测中的应用,设计了一阶TSK模糊推理网络,建立碳纤维布厚度、宽度、黏结长度、弹性模量、抗拉强度、混凝土抗压强度、抗拉强度、宽度与极限黏结强度之间的高度非线性关系,用于黏结强度的预测。测试结果表明,自适应模糊神经推理系统计算简单、预测准确,在碳纤维布与混凝土的黏结强度预测方面优势明显。     

基于神经网络的碳纤维布与混凝土极限粘结强度分析

碳纤维布与混凝土的极限粘结强度问题属于高度非线性问题,难以建立精确的数学表达式进行分析。对基于拉出试验的极限粘结强度数据进行分析,建立了人工神经网络,对极限粘结强度进行仿真预测。神经网络的建立考虑了碳纤维布的厚度、宽度、粘结长度、弹性模量、抗拉强度和混凝土试块抗压强度、抗拉强度、宽度这8个参数,运用了118组试验数据对网络进行训练,对15组数据进行了预测分析。将神经网络计算结果同4种经验公式计算结果进行比较,其精度明显高于其他4种模型。结果表明,运用人工神经网络对碳纤维布与混凝土的极限粘结强度进行预测是可行的。     

高强混凝土强度预测的支持向量机模型及应用

高强混凝土的强度受多种因素的影响,其强度的预测是一个动态性的系统工程。采用支持向量机理论,建立了高强混凝土的强度预测的支持向量机预测模型。并将该模型计算结果与实测混凝土28 d抗压强度、BP网络计算的强度、RBF径向基函数神经网络计算的强度、线性回归模型计算的强度、非线性回归模型计算的强度进行比较。研究表明:预测结果与实测结果吻合较好,较线性回归和神经网络预测精度高,为高强混凝土的强度预测提供了一条新途径。     

基于神经网络方法的碳纤维布加固混凝土梁承载力计算

通过试验资料分析 ,建立了基于神经网络方法的碳纤维布加固混凝土梁受弯承载力预测的BP算法结构模型 ,通过模型预测值与试验结果的比较 ,证明了该模型的有效性和精度可以用于预测碳纤维布加固混凝土梁的受弯承载力。最后 ,对其影响因素进行了初步分析     

基于通用旋转组合设计的层布式混杂纤维混凝土配合比研究

采用四因子二次回归通用旋转组合设计,对影响层布式碳纤维-聚丙烯混杂纤维混凝土力学性能的主要因素：水胶比、粉煤灰掺量、聚丙烯纤维掺量和碳纤维掺量,进行配合比试验,建立数学模型并确定其最优配比。结果表明：二次多项式回归模型可用于层布式混杂纤维混凝土28 d抗压强度和抗折强度回归方程的建立。层布式碳纤维-聚丙烯混杂纤维混凝土...     

Neural networks for predicting compressive strength of structural light weight concrete

Neural networks procedures provide a reliant analysis in several science and technology fields. Neural network is often applied to develop statistical models for intrinsically non-linear systems because neural networks behave the advantages of simulating complex behavior of many problems. In this investigation, the neural networks (NNs) are used to predict the compressive strength of light weight concrete (LWC) mixtures after 3, 7, 14, and 28 days of curing. Two models namely, feed-forward back propagation (BP) and cascade correlation (CC), were used. The compressive strength was modeled as a function of eight variables: sand, water/cement ratio, light weight fine aggregate, light weight coarse aggregate, silica fume used in solution, silica fume used in addition to cement, superplasticizer, and curing period. It is concluded that the CC neural network model predicated slightly accurate results and learned very quickly as compared to the BP procedure. The finding of this study indicated that the neural networks models are sufficient tools for estimating the compressive strength of LWC. This undoubtedly will reduce the cost and save time in this class of problems.     

基于人工神经网络的压弯钢筋混凝土柱侧向承载力的预测

双向压弯钢筋混凝土柱侧向承载力的计算比较复杂,它受截面尺寸、轴压比、混凝土强度、加载角度、剪跨比及配筋等诸多因素影响。基于BP神经网络技术,提出双向压弯钢筋混凝土柱侧向承载力的预测模型。以影响柱侧向承载力的主要因素为参数,用数值模拟结果,建立模型,并验证BP神经网络模型对双向压弯钢筋混凝土柱侧向承载力预测的效果良好。     

CAST工艺的BP和RBF人工神经网络仿真模型

将误差反向传播前馈(BP)神经网络模型和径向基函数(RBF)神经网络模型应用到CAST工艺中,并采用多输入、双输出神经网络模拟处理过程中各变量之间的关系和预测出水水质.误差分析结果表明,训练阶段RBF神经网络模型的拟合精度比BP神经网络模型的高,但两者的预测精度相差不大;测试阶段BP神经网络模型和RBF神经网络模型预测出水COD的平均相对误差分别为6.35%、6.80%,预测出水TN的平均相对误差分别为7.19%、5.49%,均在8%以下,这说明两种神经网络模型均可用于模拟CAST污水处理工艺各变量之间的关系和预测出水水质,为污水厂的运行管理提供了理论依据.     

基于小生境等维BP神经网络的沉降预报

针对传统BP神经网络全局优化能力低、无法学习的缺陷,引入遗传算法中的小生境技术,研究了基于小生境等维BP神经网络模型,同时利用MATLAB进行编程实现。该模型的核心思想是借助小生境遗传算法优化神经网络的连接权和阈值,进而提高了等维BP神经网络模型的全局优化能力,改善了模型的收敛性。结合宁波某大楼沉降监测实例,利用小生境等维BP神经网络、GM(1,1)模型、等维BP神经网络模型分别对沉降数据建模预测,结果表明,小生境等维BP神经网络模型更加符合实际情况、预测效果更佳。     

基于BP神经网络的改性废灰砖强度预测

在分析改性废灰砖强度影响因素的基础上，选取改性废灰砖配料中的5个因素作为输入值，以改性废灰砖28d强度作为输出值，建立改性废灰砖强度的预测的BP神经网络模型，结果表明，该模型预测强度高，可以用来对改性废灰砖强度进行预测。     

碳纤维混凝土路面的力学性能

通过对28d龄期下碳纤维混凝土抗压强度和劈拉强度的试验研究,可知碳纤维掺量对混凝土力学性能具有较大影响.结果表明:与基准混凝土相比,小掺量时碳纤维对混凝土的改性主要表现在对强度的提高上;较大掺量(体积率大于0.3%)时碳纤维可极大提高混凝土的变形性能,改善其韧性和塑性.因此,在碳纤维混凝土的路面工程应用中应根据实际需要选择合适的掺量,从而取得较好的工程效果.     

Neural network based approach for determining the shear strength of circular reinforced concrete columns

The objective of this study is to investigate the adequacy of neural networks (NN) as a quicker, more secure and more robust method to determine the shear strength of circular reinforced concrete columns. In the application of the NN model, a multilayer perceptron (MLP) with a back-propagation (BP) algorithm is employed using a scaled conjugate gradient. NN model is developed, trained and tested through a based MATLAB program. The data used for training and testing NN model are gathered from literature. NN based model outputs are compared with ACI, ATC-32, ASCE and CALTRANS codes outcomes on the basis of the experimental results. This comparison demonstrated that the NN based model is highly successful to determine the shear strength of circular reinforced concrete columns.     

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     

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.     

Natural FRP tube confined fibre reinforced concrete under pure axial compression: A comparison with glass/carbon FRP

Flax fibre has the potential to replace glass fibre in fibre reinforced polymer (FRP) composite and coir fibre can be used as reinforcement in concrete due to its highest toughness amongst natural fibres. To design a concrete structure with high performance-to-cost ratio, a new flax FRP (FFRP) tube confined coir fibre reinforced concrete (CFRC) cylinder is proposed. The compressive behaviour of FFRP tube confined plain concrete (PC) and confined CFRC is experimentally investigated. Results show that both the proposed cylinders offer high compressive strength and ductility (measured by fracture energy). Coir fibre inclusion with an optimum mass content can further increase the fracture energy of the confined CFRC, compared to the confined PC specimens. Experimental result is compared with the existing glass/carbon FRP (G/CFRP) confined concrete regarding to confinement effectiveness. It shows that the confinement effectiveness of the proposed cylinders is close to or comparable to the G/CFRP confined concrete. This is true despite the tensile strength of FFRP composite, as obtained from flat coupon tensile testing, being significant lower than that of G/CFRP.