混凝土强度预测和模拟的智能化方法

早期获得混凝土28d抗压强度值,对于提高工程质量和加快施工进度具有十分重要的意义。本文在国内外早期推定混凝土强度方法的基础上,提出一种基于人工智能的新的预测办法,建立了多层前馈神经网络模型,实现了从新拌混凝土的组份及其特性到硬化后混凝土强度之间的复杂的非线性映射。通过对大量试验数据的学习,智能系统可以早期预测混凝土28d抗压强度。此外,本文还应用该智能系统模拟分析混凝土成份的质和量的变化对其抗压强度的影响,得到的结果符合已知的混凝土强度变化的某些规律,表明系统具有较高的精度和较强的泛化能力。

一种优化算法的神经网络在混凝土强度判定中的应用

根据混凝土强度早期判定的特点 ,建立了能映射复杂非线性关系的多层前向神经网络 .重点分析了它的一些算法 ,针对基本 BP算法存在局部极小的缺陷 ,导出了基于输出空间的全局优化 BP算法 (GOBPA) .在大量混凝土强度试验的基础上 ,计算机仿真结果表明 ,用 GOBPA训练的多层前向神经网络能够以较高的精度预报混凝土的强度 .