基于遗传算法优化神经网络的再生保温混凝土强度预测

摘要

混凝土抗压强度是评价混凝土性能的重要指标，提出一种准确合理的混凝土强度预测方法能够节约资源、时间及成本，具有重要的现实意义。而再生保温混凝土组成材料繁多且内部作用复杂，对其强度的预测是一个典型的多变量、非线性问题，难以用确定的数学公式对其强度进行预测。因此，迫切需要寻求一种新思维、新方法来解决此问题。作为人工智能的分支，近年来人工神经网络及遗传算法等新技术得到了广泛应用，并在混凝土性能预测领域取得了较为理想的效果。故本文利用这两种技术对再生保温混凝土抗压强度进行预测研究，主要研究内容如下： （1）建立基于BP神经网络与GA-BP神经网络的再生保温混凝土抗压强度预测模型 收集课题组相关试验数据作为训练样本，对影响再生保温混凝土抗压强度的因素进行分析，选择水胶比、胶凝材料总用量、硅灰取代率、纳米SiO2取代率、细骨料用量、砂率、外加剂掺量、再生粗骨料取代率，混合粗骨料压碎指标、吸水率、表观密度这11因素作为神经网络的输入参数，并经过试算与理论分析，确定网络建立所需要的所有参数。最终，网络经过训练后即可得到网络结构为11-20-1的再生保温混凝土抗压强度BP神经网络及GA-BP神经网络预测模型。 （2）基于试验数据对两种再生保温混凝土强度预测模型进行评价设计 12 组再生保温混凝土试验作为网络的预测样本，分别使用两种网络对其强度进行预测，通过比较网络预测值与试验值之间的差异来评价网络的预测精度。预测结果表明：相比于再生保温混凝土BP神经网络强度预测模型，GA-BP 神经网络强度预测模型的预测精度更高，其预测相对误差均在10%以内，能够满足实际工程的需要。

目录

第一个书签之前