基于BP神经网络的混凝土抗压强度预测分析

混凝土的抗压强度是衡量混凝土质量的重要指标之一,混凝土的抗压强度不仅受实验条件的影响,同时受到外加剂、水泥、水等比例的影响。传统的测定混凝土抗压强度的实验方法耗时长、材料消耗大,且经常得不到准确的结果。文章采用MATLAB软件进行BP神经网络模型训练,用训练好的模型进行混凝土抗压强度的预测工作,神经网络的输入变量为影响混凝土抗压强度的八个因素,混凝土的抗压强度值为输出层结果。对一组混凝土样本进行抗压强度预测,得到的预测值与实测值间的误差均小于3%,预测结果较为精确。

基于BP神经网络预测混凝土强度

为了给建筑施工单位提供早期预测混凝土强度的有效办法,基于实验室制备的50组样本数据,借助Matlab R2020a平台,建立了以单位体积的水泥、高炉矿渣、水、粗骨料、细骨料的用量作为输入,以立方体混凝土试件经过28 d养护龄期的抗压强度作为输出的含单隐藏层的3层BP(Back Propagation)神经网络模型,其结构为5-6-1。由对混凝土进行数值模拟训练后的仿真结果可知,训练后均方误差MSE为7.2%,整体相关系数R可达0.979。以上预测结果表明,用BP神经网络模型预测混凝土的抗压强度理论上是可行的,并且使用此网络模型能够较为准确且快速地预测出混凝土本身的抗压强度。

不同车辆模型作用下混凝土简支T梁桥的动态称重研究

为了解不同车辆模型作用下桥梁动态称重(BWIM)技术的识别效果,针对典型混凝土简支T梁桥在两种不同车辆模型作用下的识别效果展开研究,分别识别了两种车辆模型作用下的车辆行驶速度、轴距、车辆轴重和总重,并且计算分析了不同路面不平整度、车辆行驶速度等因素对车重识别精度的影响。结果表明:五轴车轴距和车辆总重的识别精度优于三轴车;路面不平整度越差,两种车型的轴重和总重识别误差均越大,因此实际工程中定期维护路面可以有效保障动态称重系统精度;车辆行驶速度增大,两种车辆模型的车辆轴重和总重的识别误差均增大,说明该称重系统对于中低速行驶的车辆重量识别适用性优于高速行驶车辆。