以粒子蜂群网络建立高性能混凝土坍落度模型

以粒子蜂群算法(particle bee algorithm,PBA)结合神经网络(artificial neural network,NN),发展出一套能预测高性能混凝土(high-performance concrete,HPC)坍落度模型的方法。以演化运算树(genetic operation tree,GOT)及倒传递网络(back-propagation network,BPN)两种已发表的方法来比较其准确度。从模型的准确度可知,粒子蜂群网络(particle bee neural network,PBNN)模型预测的准确度高于GOT,但接近BPN的准确度;从参数的影响性可知,PBNN显示水、强塑剂、粗骨材、细骨材、粉煤灰及水泥添加量对于HPC坍落度的影响性大,而高炉矿渣粉用量对HPC坍落度并不敏感,显示各项材料对于坍落度的影响仍具备高度复杂性。

以粒子蜂群神经网络建立高性能混凝土强度模型

以粒子蜂群算法整合神经网络,提出一套可以预测高性能混凝土强度模型的方法论.以两个已经发表的方法进行比较,包括演化运算树及倒传递网络.由模型准确度可知,研究提出的三种不同隐藏层节点的粒子蜂群神经网络模型预测准确度高于演化运算树,但接近倒传递网络.由参数的影响性可知,粒子蜂群神经网络认为水泥、龄期、水、高炉矿渣粉、超塑剂、粉煤灰添加量对于高性能混凝土强度的影响性大,而粗、细骨料用量对高性能混凝土强度并不敏感,这样的结果与实际相符合.