BP神经网络在现场混凝土强度预测中的应用研究

论文摘要

混凝土强度是混凝土质量控制的核心内容,是结构设计和施工的重要依据,也是混凝土最重要的性能之一。根据我国规范要求,评定结构构件的混凝土强度需要进行28天标准养护,这显然不能满足现代化施工的时间要求,同时又可能留下隐患。因此,在诸多混凝土强度的影响因素中找出主要因素,采用现代分析方法,发展并完善适应工程实际的混凝土强度早期快速测定技术,提高混凝土强度早期预测精度具有重要意义。在总结分析国内外有关混凝土强度预测研究成果的基础上,本文根据人工神经网络基本原理,运用MATLAB神经网络工具箱,就网络的输入向量、网络结构、传递函数及其它参数的选择展开研究。在此基础上,选择内蒙古中西部地区三座野外变电站制作大量同条件养护标准试件,作为网络模型的训练样本和测试样本,分别运用基本BP算法、附加动量因子的自适应调整学习率算法和L—M算法三种方法训练网络,经大量试算和仿真结果对比,最终利用L—M算法建立网络结构合理、收敛速度快、精度高的满足工程要求的普通混凝土强度预测模型,与多元线性回归模型预测结果相比,BP网络模型有更高的精度,将预测误差控制在3%以内,可以极大程度上避免目前混凝土施工中存在的强度预测偏差较大的问题。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 选题目的及其意义
• 1.2 国内外研究现状
• 1.3 研究内容及关键技术线路
• 1.3.1 研究内容
• 1.3.2 关键技术线路
• 第二章 普通混凝土抗压强度影响因素与强度检验评定分析
• 2.1 普通混凝土强度影响因素分析
• 2.1.1 组分对强度的影响
• 2.1.2 养护条件的影响
• 2.1.3 混凝土的成熟度
• 2.2 结构混凝土强度分析
• 2.2.1 标养强度的局限性
• 2.2.2 推定强度与钻芯强度分析
• 2.2.3 同条件养护试件的强度
• 2.3 混凝土强度的检验判定
• 第三章 人工神经网络基本原理
• 3.1 人工神经网络基础知识
• 3.1.1 人工神经网络模型及其特征
• 3.1.2 人工神经网络总体框架
• 3.1.3 神经网络的数据处理优势
• 3.1.4 常见的人工神经网络模型
• 3.2 BP 人工神经网络
• 3.2.1 BP 人工神经网络模型
• 3.2.2 基本 BP 算法
• 3.2.3 BP 人工神经网络的总结与改进
• 第四章 网络模型样本的制备和试验
• 4.1 实验区概况
• 4.1.1 永圣域500KV 变电站
• 4.1.2 巴彦淖尔市沙德格工业园区220KV 变电站
• 4.1.3 达旗电厂500KV 升压站
• 4.2 网络输入、输出神经元的确定
• 4.3 样本的制作和养护
• 4.3.1 样本的制作
• 4.3.2 样本的养护
• 4.4 样本的强度试验
• 第五章 基于 MATLAB 神经网络工具箱混凝土强度预测模型的建立
• 5.1 MATLAB 神经网络工具箱
• 5.1.1 MATLAB 简介
• 5.1.2 神经网络工具箱
• 5.2 BP 网络模型的建立
• 5.2.1 人工神经网络的数据变换处理
• 5.2.2 网络结构的确定
• 5.2.3 网络传递函数的选择
• 5.2.4 网络权值的初始化
• 5.2.5 网络收敛极小值的确定
• 5.3 本研究 BP 训练算法的实现
• 5.3.1 网络的训练与仿真
• 5.3.2 网络性能评价
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢