基于神经网络和改进遗传算法的混凝土水化热管冷参数优化

为实现对某工程中承台大体积混凝土水化热的最佳降温效果,使用实测数据训练了基于BP神经网络的温度预测模型,并结合改进后的遗传算法建立了混凝土水化热管冷参数的数学优化模型。通过模型间的嵌套达到了对冷却水进水温度、冷却水流量和冷水管管径的最优求解。计算结果显示:3项管冷参数的优化均对混凝土水化热温度的降低有一定的效果,其中在一定范围内增大冷却水流量对核心区的降温效果最明显,当冷却水流量由2.0 m^(3)/h增加至2.5 m^(3)/h时,混凝土核心区温度峰值降低4.6℃,累计水化热降低36.4%,降温效果最显著。