孙延成

0 引言

近年来，神经网络在预测实验数据等方面得到了广泛的应用。神经网络的信息处理系统，是通过对连续的或者间断式的输入作状态响应而进行信息处理。它由彼此之间高度连接排列成层的神经单元组成，这些单元是模仿大脑中的神经细胞设计而成［1］。接收输入信号的单元层称为输入层，输出信号的单元层称为输出层，不直接与输入和输出发生联系的单元层为中间层或隐层。每个处理单元都有3个基本功能，即接收输入，对输入进行处理，计算输出。神经网络的处理功能都是由这些简单的处理单元完成的，各处理单元之间通过权值连接，单元的所有这些连接决定了该神经元的连接模式，该连接模式可以用一个权值矩阵来表示，这些连接可以传递信号，每个单元都从它的输入连接接收许多信号，这些输入信号来自别的单元或边界，每一个单元有一个信号输出。输出信号通过单元间的连接传递到其他单元，输出的每个单元都传递相同的输入信号［2］。

1 试验数据处理与隐层结构的选取

1.1 输入量与输出量的设计

在确定网络输入变量时考虑试件均在重型击实条件，并在最佳含水量下成型，温度和湿度都在标准的条件下进行养护，并取7 d龄期的试件进行神经网络预测。本文将无侧限抗压强度作为网络输出，将基本材料水泥、碎石、风积砂等的基本参数数据作为网络输入变量。目标向量就是通过试验测得的试件无侧限抗压强度，这样一来，输出变量就成为一个一维的向量，提高了预测的精度，并减少了计算的时间。……