水泥稳定碎石干缩应变BP网络预测模型

采用三层BP神经网络对水泥稳定碎石和聚丙烯纤维水泥稳定碎石的累计干缩应变建立了预测模型,通过对干缩性能试验数据进行网络训练,得出BP网络模型训练效果较好;为了检验网络的推广能力,采用测试样本对网络进行了测试,并分析了目标值与仿真值的线性相关性,结果表明网络预测效果较好,用BP网络模型预测水泥稳定碎石的累计干缩应变是可行的。     

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...     

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神经网络的地板辐射供暖系统逐时负荷预测

采用BP神经网络,可利用较少的输入参数建立地板辐射供暖系统热负荷预测模型,以大连市某超低能耗建筑为实测对象,根据实测的供暖期逐时热负荷数据建立了BP神经网络热负荷预测模型,并进行了改进.结果表明,采用基于多项式拟合改进的神经网络预测模型能够精确地预测一个单元未来24 h的逐时热负荷,预测误差为5％左右.     

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.     

基于电子鼻技术的茶叶贮藏时间检测方法

主要探索茶叶贮藏时间的检测方法.以黄山毛峰茶为研究对象,利用电子鼻对7个不同贮藏时间下的干茶叶进行检测.根据电子鼻传感器阵列响应特点选取了特征变量,以特征变量为自变量,以茶叶贮藏时间为因变量,建立了茶叶贮藏时间的BP神经网络预测模型.通过测试样本对模型进行实验分析,结果表明:该模型对于7个不同贮藏时间茶叶样本最大预测误差为42.1天;预测误差超过10天的最大样本数为5个,占总样本数的7.14%.验证了所建立的茶叶贮藏时间BP神经网络预测模型的可行性.     

高性能混凝土碳化试验及人工神经网络碳化深度预测模型

为准确预测混凝土的碳化深度,开展了不同水灰比、粉煤灰掺量、矿渣掺量混凝土的制备与碳化深度测试,进行了数据采集。根据数据及BP算法,建立了3-7-1型三层BP网络,包含三因子网络输入量(水灰比、粉煤灰掺量、矿渣掺量)及单因子网络输出(碳化深度),提出了基于人工神经网络的混凝土碳化深度预测模型。采用最小二乘法建立了线性及伪线性两种预测模型与人工神经网络预测模型进行对比。结果显示：基于BP神经网络建立的混凝土碳化深度预测模型,相比较于常用的最小二乘法线性、伪线性模型更适用于多因素影响条件下的混凝土碳化深度预测,误差仅为线性模型的63.6%,伪线性模型的61.9%,采用BP神经网络能达到理想的预测结果。     

基于GM（1，1）对橡胶混凝土干缩的灰色预测

介绍了灰色理论GM(1,1)数学模型的特点,并基于GM(1,1)建立了橡胶混凝土干缩的预测模型,应用该预测模型对橡胶混凝土在不同龄期的干缩率和变化趋势作了灰色预测.结果表明,预测值与实测值吻合较好.     

组合预测模型在建筑结构寿命预测中的应用研究

着重对BP神经网络模型和组合预测模型进行了介绍,以“误差之平方和最小”作为最优准则,利用组合预测模型对回归模型和BP神经网络模型进行优化,通过对某混凝土结构剩余寿命的实例分析,检验了这些模型的可行性、可靠性。     

基于BP神经网络的垃圾飞灰混凝土抗压强度预测模型

采用不同掺量的垃圾飞灰替代水泥制备高性能混凝土,分析垃圾飞灰不同掺量对高性能混凝土抗压强度的影响。在试验数据的基础上,建立以垃圾飞灰取代率、垃圾飞灰、水泥、砂/水泥、水胶比、龄期为因子的三层BP神经网络预测模型,将模型预测值与试验值进行对比,预测误差均在5%以内。结果表明BP神经网络在预测垃圾飞灰混凝土抗压强度上有较高的精度。     

基于BP神经网络的水泥混凝土路面抗滑性能分析

以水泥混凝土路面材料设计方案以及月降水量为输入,以路面摩擦系数表征路面抗滑性能为输出,利用BP神经网络分析水泥混凝土路面抗滑性能,研究表明,BP网络能考虑不同公路的实际差异,找到路面材料设计方案及月降水量与抗滑性能的最佳组合,为实际施工提供指导。     

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PCA-GA-BP 的工程项目工期风险预测研究

为了在工程项目实施前准确地预测出工期风险的大小,在介绍BP 神经网络、遗传算法、主成分分析等理论的基础上,针对现有预测模型的缺点以及BP 神经网络自身缺陷,采用主成分分析法对样本数据进行降维处理,并利用遗传算法对 BP 神经网络的初始权值阈值进行优化,提出了基于PCA-GA-BP 的工程项目工期风险预测模型。将以往工程风险数据作为学习样本,训练并构建模型对待建工程项目工期风险进行预测。实例证明该模型有效、可靠,对指导实际工程具有重要意义。     

高速公路沉降预测神经网络法应用研究

提出了改进的BP神经网络模型 ,把它应用到软基高速公路的沉降预测中 ,提出了两种构造神经网络训练样本基本思路 ,并分别进行了计算和对比 ,指出了各自的优、缺点。结果表明改进的BP网络模型比较稳健、收敛快 ,而且根据时间与对应的沉降量形成的样本训练的网络预测出的沉降误差小、精度高。     

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。     

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。     

Analysis of durability of high performance concrete using artificial neural networks

This study aims to determine the influence of the content of water and cement, water–binder ratio, and the replacement of fly ash and silica fume on the durability of high performance concrete (HPC) by using artificial neural networks (ANNs). To achieve this, an ANNs model is developed to predict the durability of high performance concrete which is expressed in terms of chloride ions permeability in accordance with ASTM C1202-97 or AASHTO T277. The model is developed, trained and tested by using 86 data sets from experiments as well as previous researches. To verify the model, regression equations are carried out and compared with the trained neural network. The results indicate that the developed model is reliable and accurate. Based on the simulating durability model built using trained neural networks, the optimum cement content for designing HPC in terms of durability is in the range of 450–500 kg/m³. The results also revealed that the durability of concrete expressed in terms of total charge passed over a 6-h period can be significantly improved by using at least 20% fly ash to replace cement. Furthermore, it can be concluded that increasing silica fume results in reducing the chloride ions penetrability to a higher degree than fly ash. This study also illustrates how ANNs can be used to beneficially predict durability in terms of chloride ions permeability across a wide range of mix proportion parameters of HPC.     

边坡岩体力学参数反分析遗传-神经网络算法

基于均匀设计、有限元法、人工神经网络和遗传算法建立了新的边坡岩体力学参数反分析方法.按照均匀设计要求,确定数值模拟方案;用有限元程序计算出相应的神经网络训练样本,建立边坡变形的神经网络预测模型,再利用遗传算法进行反演分析,其中反演过程适应度的计算则采用已训练好的神经网络预测来替代有限元数值仿真,这样大大缩短了计算时间.通过算例分析,反演结果比较理想,表明该反分析方法是可行性和精确的.     

基于小波神经网络的水泥刨花板弹性模量预测

以机床废料刨花和普通硅酸盐水泥为主要原料,采用热压法生产快速固化制水泥刨花板。研究了灰木比、陈放时间、含水率和密度等对水泥刨花板弹性模量的影响。利用小波神经网络对其弹性模量进行预测。重点讨论了BP神经网络的拓扑结构和学习算法。通过对检验结果进行分析比较,证明了利用小波神经网络能对水泥刨花板弹性模量进行精确的预测。     

Experimental study and field application of calcium sulfoaluminate cement for rapid repair of concrete pavements

The fast-track repair of deteriorated concrete pavement requires materials that can be placed, cured, and opened to the traffic in a short period. Type III cement and Calcium Sulfoaluminate (CSA) cement are the most commonly used fast-setting hydraulic cement (FSHC). In this study, the properties of Type III and CSA cement concrete, including compressive strength, coefficient of thermal expansion (CTE) and shrinkage were evaluated. The test results indicate that compressive strength of FSHC concrete increased rapidly at the early age. CSA cement concrete had higher early-age and long term strength. The shrinkage of CSA cement concrete was lower than that of Type III cement concrete. Both CSA and Type III cement concrete had similar CTE values. Based on the laboratory results, the CSA cement was selected as the partial-depth rapid repair material for a distressed continuously reinforced concrete pavement. The data collected during and after the repair show that the CSA cement concrete had good short-term and long-term performances and, therefore, was suitable for the rapid repair of concrete pavement.