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。     

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     

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RBF神经网络方法的混凝土强度预测

在分析普通混凝土强度各影响因素的基础上,选取6个影响因素组成输入层,以混凝土28 d强度作为输出,建立径向基函数网络,经网络训练和仿真结果对比,表明所建网络结构合理、收敛速度快、精度高,可以满足普通混凝土强度预测要求,具有广泛的应用前景。     

用神经网络方法预测新老混凝土的粘结强度

对新老混凝土粘结的微观机理进行了分析,认为新老混凝土粘结层呈叠层结构,老混凝土的洇水、老混凝土粘结面上粗骨料周围所形成的“过渡层”及新混凝土收缩微裂缝足,从而使新老混凝土的粘结强度得到提高;采用BP神经网络方法对新老混凝土粘结劈拉强度及粘结抗折强度进行了预测,对预测模型的精度和预测值的合理性也给予了必要的分析,由此证明神经网络法是解决新老混凝土粘结强度预测问题的一种较为理想之法。     

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。     

应用GRNN网络预测高强混凝土强度

为了更好地解决混凝土强度的预测问题,提出了应用GRNN(广义回归网络)预测混凝土28d强度的方法。该网络是建立在数理统计基础之上的一种新型的神经网络,能够综合考虑影响混凝土强度的各种因素,具有良好的函数逼近效果。利用试验所得数据,建立了GRNN网络模型和BP网络模型,并对两种网络进行了比较。     

混凝土强度预测的混合神经网络模型

针对由于混凝土配方的多样性,直接利用神经网络模型对其进行强度预测存在精度差和收敛差的缺点,采用多种神经网络模型相结合的方法,建立了混凝土强度预测的混合神经网络模型。模型的建立主要包括以下三个过程:(1)建立混凝土强度影响参数样本数据库;(2)利用自组织神经网络对样本数据分类;(3)以混凝土原材料和制作工艺为输入参数,混凝土最终性能为输出参数,训练双并联神经网络模型。通过实例验证了模型的可靠性。     

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     

混凝土结构实体强度应用问题的讨论

本文讨论了混凝土结构实体强度的意义,以及同条件养护强度的作用。文章对比了标准养护强度、钻芯强度以及各种推定强度与同条件养护强度的关系。还对检测验收的风险进行了讨论。     

早期强度推定法在商品混凝土生产中的应用

阐述了阳煤集团宏厦建筑三公司混凝土原材料的使用现状,并通过试验,对混凝土29 h快速养护强度与混凝土28 d标准养护强度进行了对比,结果表明混凝土快速养护检测技术应用于混凝土生产中取得了很好的效果。     

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.     

综合法在混凝土强度检测评定中的应用

阐述了混凝土结构强度具有随机模糊性,根据其模糊性,用模糊统计的方法对回弹法、超声回弹法和钻芯法数据进行综合处理,并对其可靠性进行了分析,以使混凝土强度得到合理可靠的评定。     

多重群体遗传规划在高性能混凝土强度预测中的应用

针对影响高性能混凝土强度的主要因素作为输入因子,28 d抗压强度作为输出变量,应用遗传规划理论(GP)建立了高性能混凝土强度预测的非线性显式数学解析式模型。为了更好地保持进化过程中的遗传多样性,提高求解此问题的效率,提出了多重群体遗传规划理论。通过实测数据进行验证,并分别与线性回归模型和神经网络模型相比较,结果表明,多重群体遗传规划(MGGP)模型具有更高的拟合精度和更好的预测效果,在高性能混凝土强度预测方面有很强的实用价值。     

基于非线性优化理论的混凝土材料配合比研究

建立了高强混凝土的强度预测的非线性优化模型。并将该模型计算结果与实测混凝土28 d抗压强度进行比较。改用十进制遗传算法在训练过程中搜索最优超参数,形成遗传-组合核函数高斯过程回归算法,并编制了相应的计算程序,研究结果表明:与单一核函数高斯过程回归算法和支持向量回归(SVR)算法相比,提出的遗传-组合核函数高斯过程回归算法显著提高了预测精度,预测结果与实测结果吻合较好,具有较高的预测精度,为高强混凝土的强度预测提供了一条新途径。