-
题名基于PCA-BP原理的混凝土碳化深度预测
被引量:1
- 1
-
-
作者
甘海龙
郭容宽
-
机构
广西机电职业技术学院
-
出处
《科技通报》
2019年第12期144-149,154,共7页
-
基金
2017年度广西高校中青年教师基础能力提升项目(项目编号:2017KY075)的研究成果。
-
文摘
混凝土碳化深度是钢筋混凝土结构耐久性评估的重要参数,影响混凝土碳化深度的因素主要有水灰比、水泥用量、混凝土抗压强度、碳化时间、水泥强度、温度与湿度。基于以上7个参数,并结合BP神经网络较好的预测性,以及主成分分析(PCA)能消除自变量间的多重共线性和降低输入数据维度的特点,建立了基于PCA-BP神经网络的混凝土碳化深度预测模型。以30组实测数据为例,对7个影响因素进行主成分分析,最终降为4个主成分,进而将其作为BP神经网络的输入因子,对混凝土碳化深度进行了预测。结果表明:PCA-BP神经网络预测误差低,实现了对混凝土碳化深度的较准确预测,PCA-BP神经网络模型为混凝土碳化深度预测提供了一种科学、可靠的方法。
-
关键词
碳化深度
主成分分析法
BP神经网络
预测模型
-
Keywords
carbonation depth
principal component analysis(PCA)
BP neural network
prediction model
-
分类号
TU528.517
[建筑科学—建筑技术科学]
-