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
1
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BP神经网络和支持向量回归对比预测新拌自密实混凝土的工作性能
被引量:
3
1
作者
李亚冉
肖其远
刘凌晖
《材料科学与工程学报》
CAS
CSCD
北大核心
2023年第4期610-619,共10页
新拌自密实混凝土(SCC)的工作性能调控对其现场施工乃至后期硬化性能至关重要。为了进一步提高通过初始配合比预测新拌工作性参数的精确度,采用BP神经网络和支持向量回归(SVR)两种常见的机器学习计算模型来分析配合比输入变量与坍落扩...
新拌自密实混凝土(SCC)的工作性能调控对其现场施工乃至后期硬化性能至关重要。为了进一步提高通过初始配合比预测新拌工作性参数的精确度,采用BP神经网络和支持向量回归(SVR)两种常见的机器学习计算模型来分析配合比输入变量与坍落扩展度、L型仪通过率和V型漏斗流出时间的潜在函数关系。在计算前按照60%,20%和20%的比例依次将数据集划分为训练集、验证集和测试集。采用三个机器学习性能评估指标,即决定系数R^(2),均方误差MSE和平均绝对百分比误差MAPE来表征和对比它们的预测精度差异。并且通过敏感性分析研究单一变量的变化对结果的影响趋势。结果表明,支持向量回归SVR模型对SCC坍落扩展度,L型仪通过率和V型漏斗流出时间的预测结果相比BPNN神经网络模型更高。以V型漏斗流出时间参数为例,基于SVR的总体数据集合R^(2),MSE和MAPE值分别为0.9213,0.8602和14.519,高于BP神经网络对应的0.9162,1.1281和18.007。参数敏感性分析结果表明,水泥掺量越高会导致坍落扩展度的减小和L型仪通过率,V型漏斗流出时间的增加。与此同时,水胶比和减水剂掺量的提高则会使得SCC扩展度提高。
展开更多
关键词
自密实混凝土
坍落扩展度
l型仪通过率
V型漏斗
BP神经网络
支持向量回归
下载PDF
职称材料
题名
基于BP神经网络和支持向量回归对比预测新拌自密实混凝土的工作性能
被引量:
3
1
作者
李亚冉
肖其远
刘凌晖
机构
长治职业技术学院土木工程系
中南大学土木工程学院
出处
《材料科学与工程学报》
CAS
CSCD
北大核心
2023年第4期610-619,共10页
基金
中南大学大型仪器设备共享基金资助项目(CSUZC202118)。
文摘
新拌自密实混凝土(SCC)的工作性能调控对其现场施工乃至后期硬化性能至关重要。为了进一步提高通过初始配合比预测新拌工作性参数的精确度,采用BP神经网络和支持向量回归(SVR)两种常见的机器学习计算模型来分析配合比输入变量与坍落扩展度、L型仪通过率和V型漏斗流出时间的潜在函数关系。在计算前按照60%,20%和20%的比例依次将数据集划分为训练集、验证集和测试集。采用三个机器学习性能评估指标,即决定系数R^(2),均方误差MSE和平均绝对百分比误差MAPE来表征和对比它们的预测精度差异。并且通过敏感性分析研究单一变量的变化对结果的影响趋势。结果表明,支持向量回归SVR模型对SCC坍落扩展度,L型仪通过率和V型漏斗流出时间的预测结果相比BPNN神经网络模型更高。以V型漏斗流出时间参数为例,基于SVR的总体数据集合R^(2),MSE和MAPE值分别为0.9213,0.8602和14.519,高于BP神经网络对应的0.9162,1.1281和18.007。参数敏感性分析结果表明,水泥掺量越高会导致坍落扩展度的减小和L型仪通过率,V型漏斗流出时间的增加。与此同时,水胶比和减水剂掺量的提高则会使得SCC扩展度提高。
关键词
自密实混凝土
坍落扩展度
l型仪通过率
V型漏斗
BP神经网络
支持向量回归
Keywords
Se
l
f-compacting concrete
S
l
ump f
l
ow
l
-box fi
l
l
ing ratio
V-funne
l
f
l
ow time
BP neura
l
network
Support vector regression
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BP神经网络和支持向量回归对比预测新拌自密实混凝土的工作性能
李亚冉
肖其远
刘凌晖
《材料科学与工程学报》
CAS
CSCD
北大核心
2023
3
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