应用BP神经网络模型对水泥强度进行预测的研究

水泥强度是衡量水泥质量的重要指标之一.水泥生产过程中为挖制其质量,需要尽早地预测产品的抗压强度,若出现数据异常能及早反馈于生产,减少经济损失,强度顶测是一个多变量、非线性、大时滞问题;影响水泥的理化性能检测值与28d强度值虽然确定,但至今没有具体的函数表达式将其描述.     

工业废石膏煤矸石复合制备绿色胶凝材料试验研究

利用工业副产品石膏与煤矸石复合制备石膏基绿色胶凝材料,检测了复合胶凝材料的物理力学性能,并借助XRD、SEM等测试手段分析了试件微观性能。结果表明,煤矸石的掺加对复合胶凝材料具有重要影响,综合考虑各项因素,认为掺加10%煤矸石粉能够制备出性能优良的复合胶凝材料。     

应用BP神经网络模型对水泥强度进行预测的研究(20110650)

水泥强度是衡量水泥质量的重要指标之一。水泥生产过程中为控制其质量,需要尽早地预测产品的抗压强度,若出现数据异常能及早反馈于生产,减少经济损失。强度预测是一个多变量、非线性、大时滞问题;影响水泥的理化性能检测值与28D强度值虽然确定,但至今没有具体的函数表达式将其描述。传统的线性回归分析预测法[1],把水泥强度与各检测值之间的高度非线性关系简化为线性函数关系,忽视了水泥强度复杂的非线性和模糊性,预测结果的准确性很不理想。如果考虑的因素过多,会使回归分析的计算量过大,适用性和精度也会随之下降,难以在水泥生产中推广应用。因此,有必要利用新的预测方法进行强度的预测。本文针对以上问题,提出了预测水泥强度的人工神经网络(ANN)模型,并与多元回归对比分析表明,ANN建模有较高预测精度,为水泥生产的质量管理提供一定的技术支持,并对降低销售成本,提高经济效益,保护环境和低碳生产的实现具有重大的现实意义。