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

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。

基于长短时记忆网络预测的高强混凝土力学性能研究

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。