| 基于PSO-BPNN模型的氯氧镁水泥混凝土耐水性预测 |
| |
| 引用本文： | 王鹏辉,乔宏霞,冯琼,薛翠真,张云升.基于PSO-BPNN模型的氯氧镁水泥混凝土耐水性预测[J].建筑材料学报,2024,27(3):189-196. |
| |
| 作者姓名： | 王鹏辉 乔宏霞 冯琼 薛翠真 张云升 |
| |
| 作者单位： | 1.深圳大学 广东省滨海土木工程耐久性重点实验室,广东 深圳 518060;2.兰州理工大学 甘肃省土木工程防灾减灾重点实验室,甘肃 兰州 730050;3.东南大学 材料科学与工程学院,江苏 南京 211189 |
| |
| 基金项目： | 国家自然科学基金资助项目（52178216， 52108219， U21A20150， 52008196）；甘肃省科技计划项目（23JRRA799） |
| |
| 摘 要： | 为快速准确地获得具有优异耐水性氯氧镁水泥混凝土（MOCC）的配合比，设计了拓扑结构为4-10-2的粒子群优化（PSO）算法-反向传播（BP）神经网络（PSO-BPNN）模型.该模型的输入层参数为n（MgO）/n（MgCl2）、粉煤灰掺量、磷酸掺量和磷肥掺量，输出层参数为MOCC的抗压强度和软化系数；模型数据集为144组，其中训练集数据为100组，验证集数据为22组，测试集数据为22组.结果表明：PSO-BPNN模型在MOCC抗压强度预测中的评价参数——决定系数R2=0.99、平均绝对误差SMAE=0.52、平均绝对误差百分比SMAPE=1.11、均方根误差SRMSE=0.73；其在软化系数预测中的评价参数——R2=0.99、SMAE=0.44、SMAPE=1.29、SRMSE=0.62；与BP神经网络（BPNN）模型相比，PSO-BPNN模型具有更强的双参数预测能力，可用于MOCC配合比的正向设计和反向指导.
|
| 关 键 词： | 氯氧镁水泥混凝土 耐水性 抗压强度 软化系数 PSO-BPNN |
| 收稿时间： | 2023/3/22 0:00:00 |
| 修稿时间： | 2023/7/21 0:00:00 |
Prediction of Water Resistance of Magnesium Oxychloride Cement Concrete Based on PSO-BPNN Model |
| |
| WANG Penghui,QIAO Hongxi,FENG Qiong,XUE Cuizhen,ZHANG Yunsheng.Prediction of Water Resistance of Magnesium Oxychloride Cement Concrete Based on PSO-BPNN Model[J].Journal of Building Materials,2024,27(3):189-196. |
| |
| Authors: | WANG Penghui QIAO Hongxi FENG Qiong XUE Cuizhen ZHANG Yunsheng |
| |
| Abstract: | |
| |
| Keywords: | magnesium oxychloride cement concrete water resistance compressive strength softening coefficient PSO-BPNN |
|
| 点击此处可从《建筑材料学报》浏览原始摘要信息 |
|
点击此处可从《建筑材料学报》下载全文 |
