基于遗传优化的BP神经网络水泥强度预测

为了提高BP神经网络预测模型对水泥强度值的预测精度,通过结合BP神经网络与遗传算法各自的优势,提出一种采用遗传算法优化的BP神经网络的水泥强度预测算法.利用遗传算法具有的全局优化搜索能力优化BP神经网络的各层节点连接权值与阈值,训练BP神经网络预测模型以求得最优解,并将训练以外的样本数据用于模型的有效性验证.仿真结果表明,该算法对水泥强度值预测具有较高的预测精度,同时可缩短网络收敛时间.     

基于GM-RBF神经网络组合模型的水泥强度预测方法

 为预测煤矸石代黏土煅烧水泥的28 d 抗压强度性能,根据生产水泥的物检分析数据,将GM(1,N)预测技术和径向基函数（RBF）神经网络技术相结合,提出了基于GM-RBF 神经网络组合模型水泥强度预测的新方法。该组合模型首先利用试验产品的典型物检数据建立GM(1,N)网络,对数据进行预处理。然后将输入样本数据进行一次累加生成操作,并进行归一化,设置GMRBF神经网络组合模型预测精度和散步常数。经处理后的输入样本作为RBF 神经网络输入向量,相应的实测28 d 抗压强度作为模型的输出期望值开展训练,比较预测数据与实测数据,并进行调整,最终得到符合精度要求的GM-RBF 神经网络组合模型。该组合模型一方面避免GM(1,N)模型的理论误差,利用累加生成运算和样本数据的预处理,减少了由于训练样本随机性对建模精度产生的影响;另一方面由于具有自适应、自组织和速度快等特点,能快速预测水泥远期强度情况。仿真试验表明,该模型预测精度优于单个GM（1,N）模型或RBF 神经网络模型,具有较好的拟合性,适用于对水泥强度的预测,可以为煤矸石代黏土煅烧水泥的质量分析提供有效参考。     

基于GM-RBF神经网络组合模型的水泥强度预测方法

为预测煤矸石代黏土煅烧水泥的28 d抗压强度性能,根据生产水泥的物检分析数据,将GM(1,N)预测技术和径向基函数(RBF)神经网络技术相结合,提出了基于GM-RBF神经网络组合模型水泥强度预测的新方法。该组合模型首先利用试验产品的典型物检数据建立GM(1,N)网络,对数据进行预处理。然后将输入样本数据进行一次累加生成操作,并进行归一化,设置GMRBF神经网络组合模型预测精度和散步常数。经处理后的输入样本作为RBF神经网络输入向量,相应的实测28 d抗压强度作为模型的输出期望值开展训练,比较预测数据与实测数据,并进行调整,最终得到符合精度要求的GM-RBF神经网络组合模型。该组合模型一方面避免GM(1,N)模型的理论误差,利用累加生成运算和样本数据的预处理,减少了由于训练样本随机性对建模精度产生的影响;另一方面由于具有自适应、自组织和速度快等特点,能快速预测水泥远期强度情况。仿真试验表明,该模型预测精度优于单个GM(1,N)模型或RBF神经网络模型,具有较好的拟合性,适用于对水泥强度的预测,可以为煤矸石代黏土煅烧水泥的质量分析提供有效参考。     

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.     

用计算机技术研究水泥熟料物相组成与力学性能的关系

文章首先从水泥熟料微观图像入手,利用数字图像处理技术,从图像中提取熟料的四种主要物相C3S,C2S,C3A,C4AF的相对含量。然后将四种物相的含量作为输入,利用人工神经网络模型预测水泥熟料的强度。在神经网络模型的训练过程中,粒子群优化算法被用作学习算法。相关的验证结果表明文中提出的水泥熟料强度预测方案比较可行。     

水泥固化含铅污染土无侧限抗压强度预测方法

针对污染土的水泥固化稳定法修复技术,对水泥固化稳定重金属铅污染土的强度预测方法进行了研究.水泥固化含铅污染土强度由室内无侧限抗压强度试验所得,试验所用污染土通过人工制备而成,考虑了1.0×102,1.0×103,1.0×104,3.0×104mg/kg四种质量比和5%,7.5%,10%三种水泥掺量.结果表明:不同龄期水泥固化含铅污染土的无侧限抗压强度间大致呈线性关系,而2个不同水泥掺入比水泥固化含铅污染土的无侧限抗压强度比值与水泥掺入比呈幂函数关系;通过对不同配合比、不同龄期试样强度的进一步拟合分析,得到了根据某一龄期强度预测另一龄期强度的经验公式和根据某一水泥掺量的强度预测另一水泥掺量强度的经验公式,以上公式同时适用于普通水泥固化土和含铅水泥固化污染土.     

基于BP网络的水泥强度预测

运用改进的BP算法,建立了水泥强度预测模型.模型1用于预测水泥抗压强度,网络输入为水泥3 d抗压强度,网络输出为水泥28 d抗压强度;模型2用于预测水泥抗折强度,网络输入为水泥3 d抗折强度,网络输出为水泥28 d抗折强度.网络的改进主要采用附加冲量和自适应学习率等方法,网络运行良好.模型1的相对误差平均值为1.665 5%;模型2的相对误差平均值为3.834 1%,预测结果较为理想.     

神经网络在活性粉末混凝土强度预测中的应用

介绍了神经网络中的BP网络的模型及其学习算法原理，并将其应用于活性粉末混凝土强度预测。基于MATLAB神经网络工具箱，进行了结果分析，发现应用该网络在活性粉末混凝土(RPC)强度预测方面具有很高的精度，可以用来对高强度混凝土强度进行预测；结果表明，神经网络方法是一种可以定量分析、简便易行的预测方法，随着新型建筑材料科学领域各种实验数据不断丰富完善，计算机语言的发展，神经网络可为广大技术人员提供科学的理论分析方法，指导生产实践。     

基于概率神经网络的产品质量预测方法研究

对通过正交试验法采集样本数据、采用概率神经网络（PNN）对产品质量进行预测的方法进行研究．并将预测结果与反向传播神经网络（BP）预测结果进行比较。结果表明，在利用正交试验法采集的训练样本数据分别训练PNN和BP网络后发现，概率神经网络的预测准确度远远大于反向传播神经网络，显示了概率神经网络在模式识别领域的优势。     

基于BP神经网络理论的注浆材料模型研究

以某矿现场注浆材料正交试验数据为训练样本,以注浆材料结石体28d强度为考核指标,建立BP神经网络预测模型,样本训练结果与BP神经网络模型预测结果拟合度均高于99%。选取矿山具有代表性的材料配合比实测结果与模型预测结果进行对比,结果表明:BP神经网络模型预测结果与实际结果具有较高的吻合度,能够进行注浆材料的28d强度预测。这对于快速确定注浆参数,实现突水灾害治理具有重要意义。     

基于超声波波速及 BP 神经网络的胶结充填体强度预测

尾砂胶结充填体作为一种水泥基多相复合材料,其单轴抗压强度与超声波波速受水泥含量、固体质量分数、试件形态等因素影响.通过制备三种形态(7.07 cm×7.07 cm×7.07 cm立方体,φ5 cm×10 cm圆柱体和φ7 cm×14 cm圆柱体)的试件并进行单轴抗压强度试验和声波波速测试,对充填体强度和波速受水泥含量、固体质量分数和试件形态影响的规律进行了灰色-关联度分析.结果表明：水泥含量是影响强度的关键核心因素,关联度为0.837;固体质量分数是影响波速的关键核心因素,关联度为0.712.建立了充填体强度-波速指数函数预测模型和BP神经网络预测模型,通过对两种预测模型进行统计分析的F检验和t检验验证了两种方法在充填体强度预测的可行性,为胶结充填体的强度预测提供了新方法.     

基于正交设计的BP神经网络在油页岩渣制砖配方研究中的应用

采用正交实验设计与BP神经网络相结合,建立了油页岩渣砖配比与抗压强度之间的非线性关系模型,以正交实验数据为基础进行神经网络训练,得到了油页岩渣砖的BP神经网络预测模型.并对模型进行验证,预测结果基本满意.同时用训练好的BP神经网络预测模型建立了配方中单因素分析,对寻找最优配方有一定的指导意义.最终达到缩短实验周期,节省人力、物力的目的.     

铀矿尾渣胶结充填体塌落度影响因素及预测模型

采用生石灰中和后的铀矿尾渣为试验骨料,水泥为胶结剂,试验了不同渣浆质量浓度和灰渣质量比条件下尾渣胶结充填体试件塌落度。利用自适应神经模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)预测不同渣浆质量浓度和灰渣质量比条件下塌落度。试验结果和模型预测结果表明,在同等条件下,铀矿尾渣胶结充填体的塌落度与渣浆质量浓度和灰渣质量比均成反比;随着渣浆质量浓度变小,铀矿尾渣胶结充填体流动性变大,如果再降低灰渣质量比,铀矿尾渣胶结充填体会出现明显离析现象;铀矿尾渣胶结充填体塌落度ANFIS模型的预测精度较高,结果唯一且可靠;如果不同矿山铀尾渣物理参数相似性较高,则已知的铀矿尾渣胶结充填体塌落度ANFIS模型可以预测该矿山尾渣胶结充填体的塌落度。     

水泥稳定碎石基床冻融劣化试验及模型研究

为研究季节性冻土地区高铁路基水泥稳定碎石基床长期冻融循环耐久性,将宏观试验与结构内部微元体的损伤发展相结合,建立了基于Morgan-Mers-Flodin(MMF)模型的高铁路基水泥稳定碎石基床冻融耐久性劣化模型,室内长期冻融循环试验以无侧限抗压强度和抗折强度作为评估水泥稳定碎石材料冻融耐久性的指标.研究结果表明:首先,无侧限抗压强度和抗折强度可表征水泥稳定碎石的冻融耐久性劣化规律;其次,以无侧限抗压强度损失率为控制指标,建立的冻融耐久性预测模型与室内试验保持一致;最后,水泥含量由3％增加至5％时,材料内部抗冻融损伤能力明显提高,建议高铁路基水泥稳定碎石基床水泥掺量为5％.研究结果以期为高铁路基水泥稳定碎石基床强度标准的制定,以及施工和安全运营提供理论支撑.     

基于贝叶斯优化高斯过程回归法的再生混凝土力学性能预测

为了更准确地预测再生骨料混凝土的抗压强度与弹性模量,建立了一个比以往研究大的数据库,具有730组数据,为建立可靠的预测模型奠定了基础。提出了贝叶斯优化的高斯过程回归方法,选取再生粗骨料体积分数、水灰比、混合粗骨料吸水率、细骨料与总骨料比、粗骨料与水泥比、混合粗骨料饱和表面干密度等6个参数作为影响因素,同时建立了再生骨料混凝土抗压强度和弹性模量预测模型。通过比较抗压强度、弹性模量的预测值与实验值,发现二者较为接近,说明该方法具有一定的可靠性。将贝叶斯优化的高斯过程回归与高斯过程回归、支持向量机回归、随机森林回归、人工神经网络进行比较,并选取4个统计指标对模型进行评价,结果表明贝叶斯优化的高斯过程回归预测抗压强度和弹性模量精度较高,相关系数分别达到了0.91和0.93。这说明贝叶斯优化的高斯过程回归方法对预测再生骨料混凝土的抗压强度和弹性模量同时适用。     

季冻区水泥土的强度预测模型与变形特征

为了研究季冻区水泥土的强度与变形特征,推动其在寒区设施农业与新农村建设中的应用,以内蒙古黄河灌区周边典型的粉砂土为主要骨料,以硅酸盐水泥为胶凝材料,采用机械压实和人工击实方法分别制作了高径比为1和2的圆柱体试件,利用WDW-50微机控制电子式万能试验机开展单轴抗压室内试验。对比研究了两种成型试件的强度变化规律,建立了相应的强度预测模型;并对其破坏形态、破坏应变和变形模量开展了分析。试验结果表明：两组成型试样具有相似的强度变化规律,强度预测模型的建立需要精细化研究;高径比与水泥掺量的变化对破坏形态、破坏应变影响很大,试样的变形模量与无侧抗压强度基本满足线性关系。     

低掺量水泥改善级配碎石力学和收缩规律分析

为了研究低掺量水泥改善级配碎石力学和收缩性能规律，提高对低水泥掺量基层结构的认识，通过不同龄期与水泥掺量下的无侧限抗压强度、劈裂强度、加州承载比、抗压回弹模量和干燥收缩等试验，揭示了力学和收缩变化的规律，建立了强度和模量等四个力学参数随龄期和水泥掺量变化的对数增长预测模型，以及上述参数对应龄期之间的相互转化关系模型。研究结果表明龄期和水泥掺量对混合料力学和收缩性能影响显著，推荐水泥掺量在2.0%~2.5%范围内较为合适。