期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于遗传算法和人工神经网络的高性能混凝土劈裂抗拉强度预测
被引量:
5
1
作者
李彪
陆孟杰
+2 位作者
左乐
黎伟
邱人大
《施工技术(中英文)》
CAS
2023年第2期16-19,41,共5页
为实现高性能混凝土劈裂抗拉强度的准确预测,提出结合人工神经网络(ANN)和遗传算法(GA)的GA-ANN预测模型。首先通过遗传算法得到合适的人工神经网络初始权值和阈值,然后在GA-ANN预测模型基础上对数据集进行训练和测试,并利用相关系数误...
为实现高性能混凝土劈裂抗拉强度的准确预测,提出结合人工神经网络(ANN)和遗传算法(GA)的GA-ANN预测模型。首先通过遗传算法得到合适的人工神经网络初始权值和阈值,然后在GA-ANN预测模型基础上对数据集进行训练和测试,并利用相关系数误差指标对模型性能进行比较和评估。结果表明,经过遗传算法优化的模型预测结果与实际抗拉强度相关系数均>0.97,误差分布更集中于0附近,预测精度较优化前得到较大程度提升。所提出的GA-ANN预测模型为高性能混凝土劈裂抗拉强度提供了一种高精度、方便快捷的预测方法。
展开更多
关键词
高性能混凝土
劈裂抗拉强度
预测
遗传算法
神经网络
机器学习
下载PDF
职称材料
基于长短时记忆网络预测的高强混凝土力学性能研究
2
作者
陆孟杰
陈磊
+2 位作者
李彪
邱人大
江山
《建筑结构》
北大核心
2023年第S02期1371-1375,共5页
抗压强度是高强混凝土的一项重要力学性能,但测试方法通常不经济且耗时。为此,基于324组样本,提出了一种长短期记忆网络模型来预测高强混凝土抗压强度,以5种成分的掺量作为输入特征,并将模型预测结果与传统支持向量回归模型进行了比较...
抗压强度是高强混凝土的一项重要力学性能,但测试方法通常不经济且耗时。为此,基于324组样本,提出了一种长短期记忆网络模型来预测高强混凝土抗压强度,以5种成分的掺量作为输入特征,并将模型预测结果与传统支持向量回归模型进行了比较。结果表明,与支持向量回归模型的预测性能相比,长短期记忆网络模型的预测精度和可靠性更高,预测偏差较小,推荐用于实验室压缩试验前高强混凝土抗压强度的预估,以减少试验时间和成本。另外,参数的重要性分析也可以为混凝土配合比的设计提供更高效的方法。
展开更多
关键词
高强度混凝土
LSTM
抗压强度
参数贡献度
下载PDF
职称材料
题名
基于遗传算法和人工神经网络的高性能混凝土劈裂抗拉强度预测
被引量:
5
1
作者
李彪
陆孟杰
左乐
黎伟
邱人大
机构
中国建筑第五工程局有限公司
出处
《施工技术(中英文)》
CAS
2023年第2期16-19,41,共5页
基金
湖南省2020年科技计划(KY202013)
中建股份科技研发课题(CSCEC-2021-Z-30)。
文摘
为实现高性能混凝土劈裂抗拉强度的准确预测,提出结合人工神经网络(ANN)和遗传算法(GA)的GA-ANN预测模型。首先通过遗传算法得到合适的人工神经网络初始权值和阈值,然后在GA-ANN预测模型基础上对数据集进行训练和测试,并利用相关系数误差指标对模型性能进行比较和评估。结果表明,经过遗传算法优化的模型预测结果与实际抗拉强度相关系数均>0.97,误差分布更集中于0附近,预测精度较优化前得到较大程度提升。所提出的GA-ANN预测模型为高性能混凝土劈裂抗拉强度提供了一种高精度、方便快捷的预测方法。
关键词
高性能混凝土
劈裂抗拉强度
预测
遗传算法
神经网络
机器学习
Keywords
high performance concrete(HPC)
splitting tensile strength
prediction
genetic algorithm(GA)
artificial neural network(ANN)
machine learning
分类号
TU528 [建筑科学—建筑技术科学]
下载PDF
职称材料
题名
基于长短时记忆网络预测的高强混凝土力学性能研究
2
作者
陆孟杰
陈磊
李彪
邱人大
江山
机构
中国建筑第五工程局有限公司
出处
《建筑结构》
北大核心
2023年第S02期1371-1375,共5页
基金
中国建筑股份有限公司科技研发课题(CSCEC-2021-Z-30)。
文摘
抗压强度是高强混凝土的一项重要力学性能,但测试方法通常不经济且耗时。为此,基于324组样本,提出了一种长短期记忆网络模型来预测高强混凝土抗压强度,以5种成分的掺量作为输入特征,并将模型预测结果与传统支持向量回归模型进行了比较。结果表明,与支持向量回归模型的预测性能相比,长短期记忆网络模型的预测精度和可靠性更高,预测偏差较小,推荐用于实验室压缩试验前高强混凝土抗压强度的预估,以减少试验时间和成本。另外,参数的重要性分析也可以为混凝土配合比的设计提供更高效的方法。
关键词
高强度混凝土
LSTM
抗压强度
参数贡献度
Keywords
high strength concrete
LSTM
compressive strength
parameter contribution
分类号
TU528 [建筑科学—建筑技术科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于遗传算法和人工神经网络的高性能混凝土劈裂抗拉强度预测
李彪
陆孟杰
左乐
黎伟
邱人大
《施工技术(中英文)》
CAS
2023
5
下载PDF
职称材料
2
基于长短时记忆网络预测的高强混凝土力学性能研究
陆孟杰
陈磊
李彪
邱人大
江山
《建筑结构》
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部