BP神经网络的混凝土早期弹性模量的预测

本文在分析混凝土抗冻耐久性预测研究现状的基础上,结合bp人工神经网络的特点,利用matlab软件建立了预测混凝土冻融环境下相对动弹性模量的模型,并对预测结果进行了分析。结果表明运用人工神经网络的预测方法操作简便、实用性强且在精度上能满足要求,该模型的建立也可为混凝土抗冻性设计、施工管理和建成后工程的运行维护提供参考。

在分析普通混凝土强度影响因素基础上,选取混凝土配料中7个因素作为输入值,混凝土28d强度作为输出值建立了混凝土强度预测的bp网络模型。讨论了模型的学习样本、网络参数对预测精度的影响,选出最佳网络参数配置。实例证明模型预测精度高。

混凝土弹性模量及设计强度

两侧平均两侧平均单值组值 1218.454.15 1225.654.47 1200.8053.37 3808 8015 3808 8015 3808 8015 3808 8015 3808 8015 3808 8015 3808 8015 3808 8015 3808 8015 1216.654.07 1230.954.71 1227.754.56 3808 8015 3808 8015 3808 8015 3808 8015 3808 8015 3808 8015 3808 8015 54.0 混凝土标养弹膜 破坏荷 载f(kn) 控制荷 载fa （kn） 千分 表号 f0时变形读数ε0 （×10-3mm） fa时变形读数εa （×10-3mm） 两侧变形平 均值△n（× 10-3mm） 弹性模量试验前 、后轴心抗压强 度f′cp（mpa） 1204.4

混凝土弹性模量测试 (2)

混凝土弹性模量测试

混凝土强度是结构设计中控制的主要指标，其数值决定于水灰比、胶凝材料用量、矿物掺量、外加剂用量等多种因素，常规计算混凝土强度的公式因个人理解的不同而各异，一种仿生模型—人工神经网络则能很好地解决这个难题，文中尝试用人工神经网络对不同混凝土强度进行预测，结果表明此模型的可靠度很高，可以用以优化混凝土的试配，节约大量的时间、人力、物力和财力.

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。

影响混凝土结构抗裂性能的一重要因素是原材料,本文基于bp神经网络模型和matlab软件,建立了原材料对混凝土抗裂性能影响的神经网络预测模型,结果表明bp神经网络能很好地预测混凝土抗裂性能,模型预测精度高达99.95%.

为准确预测浇注式导电沥青混凝土的融冰效果,基于300组试验样本数据,以环境温度、结构层厚度及通电时间为输入层,以融冰体积为输出层,建立了bp神经网络浇注式导电沥青混凝土融冰效果预测模型,并采用pearson相关性检验方法验证了预测模型的准确性。结果表明:不同环境条件下,bp神经网络预测模型的相对误差在2.1%以内,其相关系数r介于0.9955~0.9965之间,拟合优度r~2介于0.9910~0.9930之间,预测结果准确、可靠性强。

在实测高性能海工混凝土静力受压弹性模量的基础上,分析这一复合材料的变形性能,结合新旧规范和试验方法标准的变化,分析其原因和由此产生的影响。

通过试验研究和分析了粗骨料粒径、砂率、水胶比对普通混凝土弹性模量的影响,为得到普通混凝土的弹性模量最佳值,在满足混凝土拌合物的和易性、工作性的要求下,可尽可能地选择使用粒径大的碎石,较低的混凝土砂率和水胶比。

介绍了粗骨料材质对混凝土弹性模量的影响,实验选择三大类四种常用粗骨料,分别测定材质硬度、弹性模量以及骨料的压碎值等参数;制作混凝土弹性模量试件测定其弹性模量;掌握了骨料材质对混凝土弹性模量的影响规律,为实际工程提供参考依据。

为确定混凝土的弹性模量,基于细观层次假定混凝土是由骨料、砂浆和两者之间的粘结界面组成的三相复合材料,借助蒙特卡罗方法和瓦拉文公式,在二维平面上建立了随机骨料模型。通过有限元法预测混凝土的弹性模量,并将数值计算结果与试验结果进行比较,验证了该细观有限元模型的有效性。在此基础上研究了混凝土各细观组成成分的弹性模量、骨料体积率、骨料最大粒径、骨料级配、界面厚度以及孔隙等因素对混凝土弹性模量的影响规律。结果表明:在混凝土的各细观组成成分中,砂浆弹性模量对混凝土弹性模量的影响最大;连续级配的混凝土弹性模量在相同条件下大于间断级配的混凝土;孔隙的存在以及界面层厚度的增大均会使混凝土的弹性模量减小。研究结果为混凝土配合比的设计及力学性能的优化提供参考。

为确定混凝土的弹性模量,基于细观层次假定混凝土是由骨料、砂浆和两者之间的粘结界面组成的三相复合材料,借助蒙特卡罗方法和瓦拉文公式,在二维平面上建立了随机骨料模型。通过有限元法预测混凝土的弹性模量,并将数值计算结果与试验结果进行比较,验证了该细观有限元模型的有效性。在此基础上研究了混凝土各细观组成成分的弹性模量、骨料体积率、骨料最大粒径、骨料级配、界面厚度以及孔隙等因素对混凝土弹性模量的影响规律。结果表明：在混凝土的各细观组成成分中,砂浆弹性模量对混凝土弹性模量的影响最大;连续级配的混凝土弹性模量在相同条件下大于间断级配的混凝土;孔隙的存在以及界面层厚度的增大均会使混凝土的弹性模量减小。研究结果为混凝土配合比的设计及力学性能的优化提供参考。

在分析普通混凝土强度影响因素基础上,选取混凝土配料中7个因素作为输入值,并将其应用于钢筋混凝土结构耐久性评价中。应用表明,改进后的模型算法简单,线性逼近度高,能准确地预测出混凝土的结构耐久性。

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误差绝对值都小于20%,平均误差为7.33%,模型具有较高预测精度。

在传统预测混凝土强度的基础上,提出一种基于人工智能的新的预测方法,建立了两种神经网络模型:bp神经网络和rbf神经网络,实现了从新拌混凝土成分及其特性到硬化后混凝土强度之间的复杂的非线性映射。通过对试验数据的学习,网络结构可以早期预测混凝土28d抗压强度。另外,还利用bp神经网络模拟分析了混凝土成分质和量的变化对抗压强度的影响,其结果符合已知的经典混凝土强度变化规律,表明神经网络模型具有较高的精度和较强的泛化能力。

为了预测混凝土的抗压强度,在分析bp、rbf神经网络原理的基础上,提出用bp、rbf神经网络模拟混凝土抗压强度与搅拌机各主要影响参数间关系的方法。根据搅拌机的实际工作状况,分别建立了4维输入向量、1维输出向量的bp、rbf神经网络模型,通过19组试验,验证了2种模型的可靠性。结果表明,实测结果与预测结果相接近,该2种神经网络模型能较准确地快速预测混凝土抗压强度。

为了提供早期预测再生粗骨料混凝土强度的有效方法,从8篇文献中收集了47组样本,借助matlabr2015a平台,基于bp神经网络,建立了以单位体积的水、水泥、砂、碎石、再生粗骨料用量作为输入,以再生混凝土28d棱柱体抗压强度作为输出的含单隐层的3层神经网络模型,其结构为5-21-1.对网络进行训练后的仿真结果表明,预测的最大相对误差为18.69%,预测误差小于5%的占样本总量的78.72%.预测结果表明用bp神经网络模型预测再生混凝土的强度是可行的.

本文采用误差反向传播神经网络(bp)建立了混凝土抗压强度的预测模型,在不同的误差目标值及隐含层节点数条件下,探讨模型的预测精度。实验结果表明,当误差目标值设定为0.01、隐含层节点数为3时,模型的预测精度最高,平均误差百分数为6.6%。当误差目标值设定较大时,样本的预测值与实测值会发生明显的偏差,预测效果不佳。

结论 记录人 试验日期 仪器编号1#、46#技术负责人 20℃、60% 驻马店市衡达公路测 中建股份汉江三桥项目经理部工地试验室 工程名称 委托单位中建股份襄樊汉江三桥项目经理部 结构物名称塔柱、横梁，滩桥箱梁，匝道桥箱梁、 试验单位 2010-phb026试验规程jtge 混凝土静力抗压弹性模量试验报告 委托单编号 试验人 评定标准gb5008 襄樊市内环线汉江三桥工程报告编号zj/hj2010-phb026 2010 取样部位 试验结果 2010-10-12报告日期 试验环境 配合比试拌混凝土 公路测试科研咨询有限公司 中建股份汉江三桥项目经理部工地试验室 jtge30-2005 告 b50081-2002-t 试表6 hb026 2010-10-12