主管單位： 河北省建筑科學研究院有限公司
主辦單位： 河北省建筑科學研究院有限公司
● 中國科技核心期刊（中國科技論文統計源期刊）
● 中國核心期刊（遴選）數據庫期刊
● 全國性建材科技期刊
● 河北省優秀期刊
文章搜索
熱點瀏覽
查看更多 >
-
●非對稱異性隧道聯絡通道冷凍法（07月24日）
-
●水泥夯土材料抗壓強度試驗及耐（08月25日）
-
●變質巖類順層邊坡破裂跡象及邊（07月25日）
-
●大體積混凝土配合比優化設計在（08月25日）
-
●粉煤灰基超高性能混凝土配合比（07月25日）
-
●地鐵車輛段檢修庫裝配式混凝土（07月24日）
-
●大型十字交叉地鐵車站結構地震（07月25日）
-
●變坡面淺埋偏壓小凈距隧道圍巖（07月24日）
-
●邯鄲富水地層深基坑支護優化和（07月25日）
-
●自密實抑溫防水復合材料在地下（08月25日）
熱點下載
查看更多 >
-
●粉煤灰摻量對高層建筑筏板基礎（06月26日）
-
●基于遺傳算法的神經網絡對大體（06月27日）
-
●氯鹽漬土無側限抗壓強度及體變（06月25日）
-
●不同 ZrO2 摻量改性水（06月26日）
-
●非均勻銹蝕對建筑鋼混組合梁承（06月27日）
-
●再生微粉泡沫混凝土力學性能研（06月25日）
-
●堿激發粉煤灰－高爐礦渣粉固化（09月11日）
-
●地鐵車輛段檢修庫裝配式混凝土（07月24日）
-
●昌寧隧道豎井輔助正洞施工技術（07月03日）
-
●堅硬頂板沿空留巷充填體加固技（06月25日）
基于人工神經元網絡模型預測混凝土抗壓強度 ∗
An ANN Model for Predicting the Compressive Strength of Concrete
PDF全文閱讀
李風增1 ,2
( 1. 鄭州市公路事業發展中心 ，河南 鄭州 450015 ;
2. 河南省交通科學技術研究院有限公司 ，河南 鄭州 450015)
摘 要： 28 d 抗壓強度是混凝土應用過程中重要的強度指標 。本文采用人工神經元網絡模型( ANN) 對加入了高爐礦渣和粉煤灰的混凝土 28 d 抗壓強度進行了預測，研究了ANN 隱含層數、傳遞函數類型和優化算法對抗壓強度預測結果的影響，發現采用單一隱含層的 7-23- 1 網絡結構、隱含層和輸出層均采用purelin 傳遞函數、trainlm 算法進行計算，建立的 ANN 結構最佳，僅需 0. 29 s、經過 3 個歷元，預測值的 MSE 就能降到 0. 004 左右，訓練、驗證和測試階段 ANN 的預測結果與試驗結果回歸曲線斜率均大于 97% , 兩者十分吻合。
關鍵詞：混凝土； 抗壓強度；人工神經元網絡； 預測
中圖分類號： TV431
文獻標志碼： A
文章編號： 1005-8249 (2023) 03-0020-08
DOI : 10. 19860/j.cnki.issn1005-8249.2023.03.020
LI Fengzeng1 , 2
(1. Zhengzhou Highway Development Centre , Zhengzhou 450015 , China;
2. Henan Transportation Research Institute Co. ，Ltd. , Zhengzhou 450015 , China)
Abstract: The 28 d compressive strength is an important index in concrete application. In this study, an artificial neural network model (ANN) was used to predict the compressive strength of concrete added with blast furnace slag and fly ash. The effects of number of hidden layer, transfer function types and optimization algorithms on ANN output were researched. The results showed that the 7-23-1 network structure with one hidden layer, purelin transfer function in the hidden and output layer, and trainlm algorithm established the optimal network. The established ANN only takes 0.29 seconds to reduce the MSE of prediction values to about 0.004 with 3 epoches. The slopes of the regression curves between the ANN outputs and the experimental results in the training, verification, and testing stages were greater than 97%, which indicated the consistence between prediction values and experimental ones.
Keywords : concrete ; compressive strength; ANN ; prediction
?基金項目： 河北省教育廳科研發展基金項目 (2020J0148)。
作者簡介： 李風增 ( 1981 —) , 男，碩士，高級工程師 ，國家注冊一級建造師，國家注冊城市規劃師。主要從事道路橋梁工程研究。
收稿日期： 2021 -08-21
冀公網安備13011002000529 技術支持：數字河北 