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。     

用神经网络预测矿渣与粉煤灰混凝土的强度

利用目前神经网络中使用最多的BP网络的模型来预测矿渣粉煤灰混凝土的3天、28天的抗压强度。结果表明，由于神经网络具有很强的非线性表现能力，计算精度高，预测能力强．将神经网络方法应用于矿渣、粉煤灰混凝土的强度预测中，可为工程人员提供很大的方便，以指导生产，适应时代发展的要求。     

应用BP网络预测海水侵蚀混凝土的强度

通过建立神经网络模型对海水侵蚀混凝土的强度进行了计算和预测，研究表明，该法不仅可以综合考虑各种因素的影响，而且具有较高的预测精度，在混凝土性能预测中具有广阔的应用前景。     

多种智能算法在混凝土配比优化中的应用研究

利用神经网络模型对混凝土强度进行预测得到了较广泛的研究,但由于高强混凝土组方数据的复杂性,其预测精度较差.本文首先利用自组织人工神经网络,根据混凝土试验样本数据的分布规律对其进行自然分组,然后对每组样本数据分别建立多层前向神经网络模型,利用该模型对混凝土强度进行预测,得到了较高的精度.     

BP模型在强度预测中的应用

在分析普通混凝土强度影响因素基础上，选取混凝土配料中7个因素作为输入值，混凝土28d强度作为输出值建立了混凝土强度预测的BP网络模型；讨论模型的学习样本、网络参数对预测精度的影响，从而选出最佳网络参数配置，并提高模型预测精度。     

GMDH方法在混凝土强度预测中的应用

通过建立GMDH中使用最广泛的线性和非线性模型,对混凝土强度进行了预测测试,对模型的预测值与实际数据、传统的鲍罗米公式的预测结果进行了比较,结果表明,基于Knowledge Miner软件的GMDH方法能够充分考虑影响混凝土强度的各种因素,具有较高的精度,在混凝土强度预测以及建筑行业中具有广泛的应用前景.     

基于BP神经网络的FRP筋与混凝土界面黏结强度预测

纤维筋增强混凝土材料的界面黏结强度是评价其力学性能的重要指标之一.基于现有文献中的试验数据,建立了292组FRP筋混凝土拉拔试验的数据库,利用人工神经网络对FRP筋与混凝土之间的黏结强度进行预测.数据库被随机分成两个数据集,其中242组数据用于训练,50组数据用于仿真预测.利用反向传播算法训练了一个3层人工神经网络模型,该模型的输入层包括7个参数:FRP筋类型、表面形式、FRP筋直径、锚固长度、破坏模式、混凝土抗压强度和归一化的混凝土保护层厚度.输出层为FRP筋与混凝土界面黏结强度.结果表明,BP神经网络模型具有良好的预测和泛化能力,预测误差较小.该方法能够综合考虑众多FRP筋与混凝土界面黏结强度的影响因素,给出精确的预测结果.     

基于GM（1，2）残差模型的混凝土靶强度预测

混凝土靶的早期强度的发展规律在很大程度上影响着混凝土靶的后期强度发展规律。灰色系统理论对于小样本具有较好的预测效果。本文建立了混凝土靶强度的GM（1,2）残差预测模型,结果表明,该模型在预测混凝土靶强度方面达到了很好的效果,有较好的理论和实用价值。     

基于神经网络的水泥强度预测

由于水泥强度预测具有多变量、非线性、大时滞的特点 ,采用传统的线性回归分析预测法与聚类分析预测法 ,预测结果的准确性较低 ,文章利用神经网络的算法 ,建立了水泥强度的动量 -自适应神经网络预测模型。通过对有关数据进行实例计算 ,得到了令人满意的结果 ,该模型为水泥强度的快速预测提供了一种新方法 ,有较好的实用价值     

人工神经网络在混凝土强度检测中的应用

建立混凝土测强换算关系是混凝土结构检测中经常面对的问题,然而要建立起检测物理量与混凝土强度之间的函数关系并非易事。本文利用神经网络方法建立了混凝土测强换算的BP网络模型,为混凝土结构无损检测中混凝土强度推定开辟了一条新途径。     

主成分分析法在我国税收预测中的应用

神经网络非常适用于复杂非线性系统的处理,已被广泛应用于经济预测中.针对经济预测中指标多、历史数据不足从而大大削弱神经网络的泛化能力问题,本文利用主成分分析法建立了税收的预测模型.结果显示:经主成分分析之后再进行预测,能从根本上降低神经网络规模,提高了神经网络的泛化能力.     

压弯钢筋混凝土柱正截面极限承载力的预测 --基于BP神经网络技术

提出双向压弯钢筋混凝土柱正截面极限承载力的预测模型．以影响钢筋混凝土柱正截面极限承载力的主要因素（如：截面尺寸、混凝土强度、加载角度及配筋率等）为参数。用数值模拟结果为训练样本,建立了柱正截面极限承载力的BP神经网络预测模型。经验证。该模型对双向压弯钢筋混凝土柱正截面极限承载力具有良好的预测效果。     

神经网络在高强泵送混凝土配制中的应用研究

基于人工神经网络的原理和高强预拌泵送混凝土配制及施工的技术经验和路线,提出了解决高强预拌泵送混凝土配制模式特征不明确,随机因素多,各组分对混凝土强度及泵送性能影响呈非线性等问题的BP神经网络方法,据此开发的混凝土配合比设计应用软件,能较好地实现高强预拌泵送混凝土的强度及流动性能的预测。     

应用改进BP神经网络进行用水量预测

针对工业用水量的特点，建立了改进的BP神经网络用水量预测模型，采用遗传算法对BP神经网络权系进行优化改进，改进的BP神经网络算法预测结果好于灰色理论预测和BP算法预测。以本溪市某供水厂用水量数据对改进的BP神经网络模型进行训练并预测，将其预测结果与灰色理论预测和BP神经网络预测结果进行比较分析，得出该方法用于供水系统用水量预测误差较小，同时克服了其他两种算法的缺陷。     

中国粮食多因子灰色关联神经网络预测研究

针对BP神经网络多变量输入难以确定的缺点，提出了采用灰色关联分析法确定主要影响因子输入的多因子灰色关联分析神经网络预测模型，并给出了灰色关联神经网络BP预测模型的建立方法，对我国粮食生产影响因子多因子预测实证研究结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出的主要影响因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果，可广泛应用于各种预测研究，有较高的推广价值。     

粉煤灰混凝土强度优化设计

综合利用主成份降维技术、人工神经网络技术和遗传算法技术 ,在粉煤灰高强混凝土的强度和 3个影响因素之间建立神经网络模型 ,然后应用遗传算法搜索最高抗压强度和相应的配方 .结果表明 :现代优化算法在分析已有实验数据、总结其中的数值规律、进而对材料进行优化设计等方面 ,具有重要的应用价值