共查询到19条相似文献,搜索用时 78 毫秒
1.
对于基层稳定土的抗压性能的定义,以及其无侧限的抗压强度的大小的判断,都与其内部的构成有着密切的联系。然而,对于材料的要求所存在的关系,与其所需要养护的条件以及养护的年龄期限之间所存在的关系是十分复杂的非线性。进过一些列的演算,最终得到的结果页仅仅只是测试结果,还需要与真实的结果进行对比分析,从而达到精确的答案,以此来判断神经网络是否能够对于抗压强度起到影响。 相似文献
2.
在总结前人的理论和实践成果的基础上,运用BP网络模型,结合工程实例,利用MATLAB工具,对水泥土无侧限抗压强度进行了初步的探讨,得出了一些结论,对工程实践具有一定的指导意义。 相似文献
3.
4.
由于影响混凝土抗压强度的因素众多,且抗压强度与各影响因素之间的关系是一种复杂的非线性问题,采用了机器学习的方法较好地对混凝土抗压强度做出预测,研究采用BP和GA-BP两种神经网络分别对混凝土28 d抗压强度进行预测并进行分析,其中输入层的参数为水泥、炉渣、粉煤灰、水、减水剂、粗骨料和细骨料的用量。结果表明:与BP神经网络式相比,GA-BP神经网络预测值与实测值更为吻合,平均误差率减少了43%,有更好的预测能力。同时研究采用灰色关联算法对输入层进行敏感性分析,表明粗骨料用量的改变对28 d混凝土抗压强度的影响最大,并且在输入层删除敏感性较低的参数后,神经网络的预测效果有进一步提高。研究还通过GA-BP神经网络寻最优值对当混凝土强度达到最大值时,输入层各影响因素的数值进行了预测,为混凝土的抗压强度预测和配合比设计提供了分析方法且该神经网络对试验有较好的导向作用。 相似文献
5.
6.
混凝土的抗压强度是衡量混凝土质量的重要指标之一,混凝土的抗压强度不仅受实验条件的影响,同时受到外加剂、水泥、水等比例的影响。传统的测定混凝土抗压强度的实验方法耗时长、材料消耗大,且经常得不到准确的结果。文章采用MATLAB软件进行BP神经网络模型训练,用训练好的模型进行混凝土抗压强度的预测工作,神经网络的输入变量为影响混凝土抗压强度的八个因素,混凝土的抗压强度值为输出层结果。对一组混凝土样本进行抗压强度预测,得到的预测值与实测值间的误差均小于3%,预测结果较为精确。 相似文献
7.
8.
现行规范对于水泥加固土无侧限抗压强度预测方法不明确,通过引用D.Abrams提出的混凝土水灰比理论,修正了水泥固化高含水率疏浚泥无侧限抗压强度预测方法,为减少室内试验量和缩短工期提供了依据。 相似文献
9.
10.
11.
Alireza TABARSA Nima LATIFI Abdolreza OSOULI Younes BAGHERI 《Frontiers of Structural and Civil Engineering》2021,15(2):520-536
This study aims to improve the unconfined compressive strength of soils using additives as well as by predicting the strength behavior of stabilized soils using two artificial-intelligence-based models. The soils used in this study are stabilized using various combinations of cement, lime, and rice husk ash. To predict the results of unconfined compressive strength tests conducted on soils, a comprehensive laboratory dataset comprising 137 soil specimens treated with different combinations of cement, lime, and rice husk ash is used. Two artificial-intelligence-based models including artificial neural networks and support vector machines are used comparatively to predict the strength characteristics of soils treated with cement, lime, and rice husk ash under different conditions. The suggested models predicted the unconfined compressive strength of soils accurately and can be introduced as reliable predictive models in geotechnical engineering. This study demonstrates the better performance of support vector machines in predicting the strength of the investigated soils compared with artificial neural networks. The type of kernel function used in support vector machine models contributed positively to the performance of the proposed models. Moreover, based on sensitivity analysis results, it is discovered that cement and lime contents impose more prominent effects on the unconfined compressive strength values of the investigated soils compared with the other parameters. 相似文献
12.
康建红 《四川建筑科学研究》2011,37(1)
人工神经网络技术由于自组织、自学习、自适应的能力,常被引入灰色系统模型建立、模式识别、目标分类等研究领域.本次研究运用人工神经网络技术,选取土聚水泥碱激发体系中的碱激发剂浓度(COH-)、碱硅摩尔比(M2O/SiO2)和硅摩尔比(Al2O3/SiO2)为预测指标,基于 MATLAB 神经网络工具箱,建立预测方法,对土聚水泥的 28 d抗压强度进行预测.结果表明,预测精度较高. 相似文献
13.
14.
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. 相似文献
15.
16.
17.
18.
19.
水泥土无侧限抗压强度室内试验研究 总被引:1,自引:0,他引:1
通过对水泥土室内配方试验结果的归纳与分析,研究了水泥土无侧限抗压强度与土的水泥掺量、龄期和含水率等影响因素的关系。试验结果表明,水泥搅拌桩能有效提高土体无侧向抗压强度,为今后水泥土搅拌桩的设计和施工提供了参考依据。 相似文献