基于不同算法的道路混凝土干缩神经网络预测
2014-10-12周胜波申爱琴万晨光赵洪基
建筑材料学报 2014年3期
周胜波, 申爱琴, 张 远, 万晨光, 赵洪基
(1.长安大学 公路学院,陕西 西安 710064;2.广西交通科学研究院 广西道路结构与材料重点实验室,广西 南宁 530007)
混凝土的干缩预测通常采用基于数学回归分析方法的数学模型,主要包括ACI干缩预测模型[1],Bazant-Panula模型[2]以及 CEB-FIP 模型[3]等.然而,这些模型仅适用于特定条件下的研究对象,限制了其广泛应用.人工神经网络[4]是一种类似于大脑神经突触的连接结构,可以进行信息处理的非线性分析,利用其网络的自学习、联想及存储功能,同时借助计算机高速运算能力可很快找到最优解.基于人工神经网络理论建立混凝土干缩率预测模型,不仅可以避免猜测表达式的烦恼,而且可以综合分析所有试验数据,得到的参数也更加可信,并且便于推广应用到一般情况.近年来,国内外学者开展了神经网络用于混凝土研究的实践.Ghaboussi等[5]应用神经网络方法研究了结构损伤问题;Eldin等[6]采用神经网络模型对橡胶混凝土的抗压强度和抗弯强度进行了预测;孙名松等[7]用人工神经网络方法研究钢筋混凝土双向偏心受压构件的强度计算,建立了一个四层网络;王恒栋等[8]用人工神经网络方法计算混凝土的碳化值;Song等[9]用神经网络算法预测高性能混凝土的氯离子渗透系数;Parichatprecha等[10]用人工神经网络对高性能混凝土耐久性进行了分析;Atici[11]用多元线性回归分析方法和人工神经网络方法对掺有矿物掺合料混凝土强度进行了分析比较,指出人工神经网络模型在处理非线性问题具有更优异的性能;……
登录APP查看全文
