人工神经网络在锂渣高性能混凝土强度预测中

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16种配比的混凝土进行28d强度预测,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。

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、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。尝试用人工神经网络对16种配比的混凝土进行28d强度预测,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。

同条件养护混凝土试件强度与混凝土的配合比、环境温度、养护时间有密切的关系,它们之间是复杂的非线性关系,采用神经网络模型方法,界定两者之间的关系,可用于实际工程的强度预测。

建立混凝土测强换算关系是混凝土结构检测中经常面对的问题,然而要建立起检测物理量与混凝土强度之间的函数关系并非易事。本文利用神经网络方法建立了混凝土测强换算的bp网络模型,为混凝土结构无损检测中混凝土强度推定开辟了一条新途径。

准确地预测混凝土的实时强度对确保结构的安全使用有重要的作用，而影响混凝土强度的因素很多，且各种因素对混凝土强度的影响程度不同，所以在实际工程中对混凝土强度的预测比较复杂。通过人工神经网络及大量样本数据，阐述了人工神经网络强度预测模型的技术方案，有效结合多种影响因子，建立了评估预测系统。实测结果表明，预测准确率达到了96％以上，为混凝土更好地在工程上应用提供一定理论依据，且为今后人工神经网络理论进一步在结构工程中应用奠定了基础。

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。

在进行了正交试验的基础上,采用人工神经网络方法,建立混凝土的氯离子扩散系数与混凝土配比六个参数之间的非线性映射关系,研究各个参数对混凝土抗渗性能的影响,该研究成果可以减少混凝土试配次数,节约大量的人力、物力和时间,为高性能混凝土的研究发展奠定了基础。

本文讨论了如何应用人工神经网络（ann）方法预测高性能道面混凝土的抗折强度，详细论述了采用bp算法建立抗折强度网络模型的过程。仿真实例表明，bp网络可成功地反映混凝土抗折强度的非线性规律，且预测精度相对较高。

泡沫金属试样测试复杂,对试样而言又急需知道基体结构参数与力学性能和阻尼性能的关系,采用线性回归技术无法实现这一功能,应用人工神经网络,则解决了通过测量泡沫金属的四个基本参数达到推知其力学性能、阻尼性能的课题。

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.

针对目前混凝土强度预测中存在的不确定性,难以自适应性的确定神经网络隐含层,建立了基于高维云的rbf神经网络的混凝土预测模型。运用matlab8.10进行仿真实验。实验结果表明该模型综合考虑了影响混凝土强度的各种因素,能够实现预测结果的随机性和模糊性,具有更高的预测精度,更快的训练速度,可以广泛应用于生产现场实地的混凝土强度预测和质量检验。

文章通过运用人工神经网络方法建立大体积混凝土和湿筛混凝土的软化曲线数据库,应用数值方法预测大体积混凝土裂缝和断裂行为,输入混凝土的配合比可得出与试验相符的混凝土软化曲线。

针对传统bp神经网络的不足,采用不同改进算法的网络模型对自密实混凝土抗压强度预测进行了详细的分析.研究表明:采用变梯度算法的模型m1、p-b复位算法的模型m2、拟牛顿算法的模型m3以及lm算法的模型m4,这4种模型均成功地建立了自密实混凝土强度的非线性关系,可用于其强度预测;通过用matlab编写程序,为解决bp网络隐层节点数的不确定性提供了一种较为方便的途径.

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。

本文运用均匀设计的方法进行树脂混凝土的配合比设计,用较少的试验取得较好的效果;建立了树脂混凝土的强度预测的神经网络模型,对试验的数据进行了训练和仿真,预测的结果与试验结果吻合非常好。

在分析普通混凝土强度各影响因素的基础上,选取6个影响因素组成输入层,以混凝土28d强度作为输出,建立径向基函数网络,经网络训练和仿真结果对比,表明所建网络结构合理、收敛速度快、精度高,可以满足普通混凝土强度预测要求,具有广泛的应用前景。

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。

采用人工神经网络方法,建立高性能混凝土原材料配合比与其早龄期自干燥收缩之间的非线性映射关系。计算结果表明,该模型可以预测不同配合比混凝土的早龄期自干燥收缩,为高性能混凝土体积稳定性的研究提供一种思路。

采用人工神经网络方法，建立高性能混凝土原材料配合比与其早龄期自干燥收缩之间的非线性映射关系。计算结果表明，该模型可以预测不同配合比混凝土的早龄期自干燥收缩，为高性能混凝土体积稳定性的研究提供一种思路。

人工神经网络在预测软基沉降中的应用研究——依据影响软土路基沉降的因素选取参数建立了bp神经网络预测最终沉降量模型，利用已建高速公路沉降数据，进行了软土地基最终沉降量的预测，取得了较为理想的效果。证明神经网络法能避免传统方法计算过程中各种人为因素...

在给出混凝土等效水灰比和骨料平均浆体厚度计算方法的基础上,采用人工神经网络方法,建立了混凝土28d抗压强度与混凝土等效水灰比、骨料平均浆体厚度和粉煤灰与胶凝材料用量比之间的非线性映射关系.该研究成果可减少混凝土试配次数,节约大量人力、物力和时间,并为高体积稳定性混凝土配合比设计方法的研究进一步奠定了基础.

作为混凝土主要力学性能指标，混凝土的抗压强度很大程度上决定建筑工程的质量。混凝土抗压强度预测也一直是国内外研究的重点。本文在参考国内外已有文献的基础上，借助matlab数学工具建立混凝土抗压强度预测的bp人工神经网络模型，对混凝土抗压强度进行预测，同时将预测得到的结果和concretecompressivestrength数据集进行对比，验证模型的正确性。并通过改变影响混凝土强度的各种因素的值对它们对混凝土抗压强度的影响进行探讨。