基于BP神经网络的锚杆砂浆界面黏结力预测模型

摘要

黏结力作为钢筋与砂浆两种材料共同作用的前提和基础,对锚杆的整体锚固性能有着重要影响.目前对于界面黏结力的计算多是通过试验研究得到相关的经验公式,并以经验公式为基础,根据自变量的数值来预测界面黏结力的大小.但是现阶段的经验公式都存在一定假定前提且考虑因素有限,因而得到的经验公式很难准确表征界面黏结力与各影响因素间的关系.鉴于此,本文以基体强度、钢筋锚固长度、钢筋直径、保护层厚度、钢筋锈蚀率5个影响因子为控制因素,从文献中查阅得到63组数据,选取8组样本作为检测样本,剩余55组作为训练样本,运用MATLAB构造了用以预测界面黏结力的BP神经网络模型.将预测结果和检测样本数据对比,二者结果相近,表明该BP神经网络模型具有较高的预测精度.