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...