不同类盐蚀对混凝土相对动弹性模量的影响

盐离子侵蚀是影响混凝土耐久性的主要因素之一。在实际工程结构中,不同盐类对混凝土耐久性的影响存在明显差异。通过试验证明在干湿交替环境下,硫酸盐的侵蚀破坏程度大于碳酸氢盐以及氯盐,而且硫酸盐的侵蚀破坏时间将比碳酸氢盐侵蚀破坏提前10%,比氯盐侵蚀破坏提前33%。根据试验建立了混凝土在不同类盐蚀环境下相对动弹性模量与侵蚀时间的函数关系。     

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BP网络预测盐溶液侵蚀混凝土强度

通过建立神经网络模型对盐溶液侵蚀混凝土的强度进行了计算和预测。研究表明 ,该法不仅可以综合考虑各种因素的影响 ,而且具有较高的预测精度 ,在混凝土性能预测中具有广阔的应用前景     

基于BP神经网络的钢筋中氯离子侵蚀量预测

本文介绍了人工神经网络在土木建筑工程中的应用现状，提出了应用BP网络来预测受腐蚀的钢筋混凝土中氯离子的侵蚀速度的方法。BP网络的分析程序采用Matlab编制。研究结果表明与传统的回归方法比较神经网络在解决多影响因子的复杂非线性问题方面具有显著的优势，在材料腐蚀工作中具有广泛的适用性。     

基于BP神经网络的再生混凝土抗压强度预测

再生混凝土抗压强度影响因素多、力学性能易劣化,为提高再生混凝土品质,必须对其强度特性进行深入研究。针对常规回归分析方法预测再生混凝土存在的问题,利用非线性映射能力良好的BP神经网络算法进行再生混凝土抗压强度预测。该预测模型以粗骨料吸水率、水灰比和水泥掺入比作为输入层,以再生混凝土28 d抗压强度作为输出层,中间隐含层节点数为10。仿真结果表明,该模型平均相对误差仅为3.04%,线性相关系数大于0.94,该方法具有简单高效的特点。     

基于BP神经网络的混凝土抗压强度预测分析

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。     

基于BP神经网络的盐龙湖饮用水源水质预测

本文选取了盐龙湖饮用水源2015-2019年两个监测点的温度、溶解氧、高锰酸盐指数、氨氮、总磷、总氮6项指标作为样本数据建立BP神经网络模型,调整参数构建训练模型并进行数据验证,结果显示,该BP神经网络模型预测模拟训练后的模型预测精准度高,可以运用盐龙湖饮用水源水质指标的预测预警系统中.     

基于BP神经网络的硬化混凝土水胶比预测

混凝土一旦凝结硬化,再次评价其原始组分非常困难,目前针对水胶比的测试方法,试验复杂,精度不高。而水胶比是混凝土的重要参数,对混凝土的性能发挥至关重要的作用。试验制备了不同水胶比的混凝土,测试了不同龄期时混凝土强度、水泥浆钙元素含量、粗细集料用量。由于水胶比与上述因素间存在相关性,采用BP神经网络分析了硬化混凝土强度、龄期、粗细集料用量、水泥浆钙元素含量与硬化混凝土水胶比的非线性映射关系。研究结果表明:BP神经网络模型预测结果与实际水胶比吻合度较高,具有良好的预测效果。     

基于BP神经网络的既有建筑混凝土强度预测

在分析检测数据的基础上,提取了结构服役时间、结构建造时间、结构检测时间、混凝土设计强度和混凝土碳化深度等特征参数,建立了预测既有建筑混凝土强度退化的人工神经网络模型。采用动量法和自适应调整法改进了BP算法;采用训练好的BP神经网络对既有混凝土强度最小值和混凝土强度最大值进行了预测,并与实测值进行了对比。结果表明:利用BP神经网络对既有建筑混凝土强度退化进行预测是可行的,该研究成果可为既有建筑大面积的抗震性能普查提供参考。     

基于BP神经网络的再生保温混凝土抗压强度预测

通过研究再生粗骨料取代率、水灰比对再生保温混凝土抗压强度的影响,建立了以再生粗骨料取代率、水灰比以及混凝土表观密度为因子的BP神经网络预测模型,旨在通过这三种因子的测量对再生保温混凝土28 d抗压强度进行预测。试验研究表明,当再生粗骨料取代率为50%时,再生保温混凝土抗压强度与混凝土拌合物表观密度近似成线性关系,抗压强度随着水灰比的增大而降低;当取代率为100%时,抗压强度与表观密度为非线性关系,抗压强度随表观密度的增大而增大,随水灰比的增加而增加。建立的三因子BP神经网络模型的预测值与实际值的误差在3%以内,可用于再生保温混凝土的抗压强度预测。     

基于BP神经网络预测混凝土锈胀开裂时间

在分析探讨混凝土保护层锈胀开裂时间主要影响因素的基础上,将人工神经网络与MATLAB软件相结合,建立了预测混凝土锈胀开裂时间的BP神经网络模型,并通过实际工程的试验结果验证了新方法的可行性.研究结果表明,与传统的回归方法比较,神经网络在解决多影响因子的复杂非线性问题方面具有显著的优势,从而为更准确预测混凝土保护层锈胀开裂时间提供了一种有效的方法.     

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...     

基于BP和GA-BP神经网络的混凝土抗压强度预测研究

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。     

BP神经网络预测混凝土抗冻耐久性研究

利用神经网络对混凝土抗冻试验数据进行训练并对未参与训练的数据进行预测。通过调整神经网络结构的各种参数,求得各参数的最佳值。用神经网络初步预测的抗冻耐久性指数与试验测得的指数误差在8%以内,基本能满足工程要求。     

基子BP网络预测盐溶液侵蚀混凝土强度

通过建立神经网络模型对盐溶液侵蚀混凝土的强度进行了计算和预测。研究表明，该法不仅可以综合考虑各种因素的影响，而且具有较高的预测精度，在混凝土性能预测中具有广阔的应用前景。     

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。     

基于BP神经网络的方钢管粉煤灰混凝土极限承载力预测

通过创建BP神经网络模型,对方钢管粉煤灰混凝土轴心受压极限承载力进行了预测。结果表明:预测值与试验值吻合,建立的BP网络模型能够准确预测方钢管粉煤灰混凝土的极限承载力,具有较高的预测精度,为方钢管粉煤灰混凝土极限承载力的获得提供了一种新方法。     

基于BP神经网络的自密实清水混凝土性能预测研究

针对自密实清水混凝土试验周期长、表观性能影响因素多等问题,应用BP神经网络对其性能预测,有效减少试验量,快速找出外加剂最优掺量。基于BP神经网络卓越的非线性处理功能,将减水剂、消泡剂、引气剂、坍落度作为输入变量,自密实清水混凝土的7 d抗压强度、扩展度、气孔面积、色差作为输出变量,建立含有2层隐含层的BP神经网络模型,利用试验所得12组数据,预测自密实清水混凝土的性能,将预测值与试验值进行比较,确保模型高精确度。结果表明：神经网络模型预测结果良好,强度预测的相对误差最高达到10.8%,其余均在10%以下,其中第11组的混凝土性能最优,预测与实际结果相吻合。     

复合盐侵蚀衬砌喷射混凝土耐久性退化研究

我国西部地区土壤及地下水中含有高浓度、及Cl,与隧道衬砌喷射混凝土发生一系列物理化学反应,造成其结构耐久性能退化。为系统研究复合盐侵蚀喷射混凝土耐久性能退化规律及机理,分别以10%Na2SO4溶液和5%Na2SO45%MgSO43.5%NaCl混合溶液为侵蚀介质,采用干湿交替法,开展喷射混凝土耐久性试验。、及Cl与氢氧化钙和铝相反应生成水镁石、石膏和Friedel盐,延缓钙矾石形成。复合盐侵蚀喷射混凝土物理力学性能退化速度明显小于硫酸盐侵蚀。硫酸盐侵蚀喷射混凝土以表面水泥砂浆和骨料的剥落为主,复合盐侵蚀主要以表面龟裂最终断裂为主,且裂缝中充满白色结晶盐。分析侵蚀喷射混凝土矿物组成和微观结构,硫酸盐侵蚀喷射混凝土产物主要为钙矾石和石膏,而复合盐侵蚀喷射混凝土产物组成复杂,包括碳硫硅钙石、水镁石、石膏、钙矾石、水化硅酸镁和结晶盐。硫酸盐侵蚀喷射混凝土中含量高于复合盐侵蚀,而混凝土pH值低。     

BP神经网络在混凝土性能预测中的研究进展

随着人工智能技术的快速发展,BP神经网络在混凝土性能预测研究中的应用愈加广泛。文章在介绍BP神经网络设计原理的基础上,对BP神经网络在混凝土强度和混凝土耐久性方面的研究现状进行分析,总结BP神经网络在混凝土性能预测研究中的主要特征并提出未来展望,以期为混凝土性能预测相关研究提供理论参考。