基于神經網絡的聚合物混凝土抗壓強度預測

林躍忠，杜世婷，尤培忠

(1.山東科技大學土木工程與建筑學院，山東青島 266510；2.天元建設集團，山東臨沂 276002)

基于神經網絡的聚合物混凝土抗壓強度預測

林躍忠1，杜世婷1，尤培忠2

(1.山東科技大學土木工程與建筑學院，山東青島 266510；2.天元建設集團，山東臨沂 276002)

用人工神經網絡—BP神經網絡預測在聚灰比、聚合物摻量、減水劑摻量以及齡期的影響下聚合物水泥混凝土的抗壓強度。首先構建BP神經網絡模型，然后通過對試驗樣本數據的學習來訓練網絡，最后用訓練好的網絡進行預測。經預測值與實測值的比較，其相對誤差均在0.83 %～8.42 %之間，能滿足工程應用要求。因此用神經網絡方法預測聚合物混凝土強度是可靠的。

BP神經網絡； 聚合物水泥混凝土； 抗壓強度

聚合物水泥混凝土(PCC)是以聚合物和水泥共同作為膠凝材料。與普通水泥混凝土相比，聚合物水泥混凝土的抗拉強度、耐磨、耐蝕、抗滲、抗沖擊等性能更好[1]，混凝土的和易性也得到改善。它常被用于現場灌筑構筑物、路面及橋面修補、混凝土儲罐的耐蝕面層、新老混凝土的粘結以及其他特殊用途的預制品，有較為廣闊的應用前景。雖然我國在聚合物混凝土方面有了一定的發展，但相較于發達國家還是比較落后的。聚合物水泥混凝土的強度取決于聚合物的種類、聚合物與水泥的比例、水灰比、外加劑等許多因素。聚合物混凝土的強度研究是很復雜的，用常規方法是非常耗時、耗材和耗力的。本文用神經網絡方法對聚合物水泥混凝土抗壓強度進行預測。神經網絡方法對處理大量原始數據且不能用規則或公式描述的問題，表現出極大的自適應性,且還具有自學習、自組織和逼近任意非線性的能力[2]。因而神經網絡開始用于混凝土強度、抗滲性、抗凍性預測等[3-5]方面，具有很大的實用性。

1 人工神經網絡

人工神經網絡(ANN)是一個數學模型，可以用電子線路實現，也可以用計算機程序模擬。它是對人類大腦系統的仿真，可以自動診斷、問題求解，解決傳統方法所不能或難以解決的問題[6]。事實上神經網絡是由大量的、功能較簡單的神經元互相連接而成的復雜網絡系統。它通過學習獲得外部知識并將其儲存于網絡中，來解決一些本質上非計算的問題[7]。因為人工神經網絡具有學習和記憶能力、對數據可容性大、并行結構、優良的非線性逼近能力等特點，所以成為廣受關注的智能化信息處理方法。在實際應用中，80 %以上的人工神經網絡模型是BP網絡。已有理論證明，一個三層網絡可以實現對任意函數的任意逼近[8]。本文用的就是只有一個隱層的BP網絡，該網絡由輸入層、隱含層及輸出層構成，包括信號的正向傳播和誤差的反向傳播，通過一定的權重實現相鄰兩層神經元的全互連接。輸入層將樣本傳入隱含層，經隱含層處理后傳入輸出層，將輸出層的實際輸出與期望輸出比較后得到的誤差通過BP網絡的學習過程不斷調整網絡權重和閾值，使誤差平方和達到最小。BP神經網絡結構及反向傳播算法原理見圖1。

圖1 BP網絡結構及反向傳播算法原理

假設有P個訓練樣本，即(Ip,Tp),p=1,…,P，其中

輸入向量：Ip=(ip1,…,ipm)T

目標輸出向量：Tp=(tp1,…,tpn)T

網絡輸出向量：Op=(op1,…,opn)T

BP網絡應用的是Delta學習規則修正神經元之間的連接權值。Delta學習規則:

記Δwij表示Delta學習規則遞推一次的連接權修改量，則有：

2 試驗介紹

聚合物水泥混凝土的強度取決于很多因素，試驗研究起來較復雜且會產生大量的數據。因而本文研究的是在材料種類、水灰比、砂率、實驗環境等一致基礎上，當聚合物摻量、減水劑摻量、聚灰比以及齡期不同時，用神經網絡方法對聚合物水泥混凝土抗壓強度進行預測。

2.1 試驗材料

水泥為普通硅酸鹽水泥；砂為普通河砂的中砂，細度模數為2.8，落在級配Ⅱ區；石子的粒徑5～40 mm；水用的是普通自來水；聚合物為可再分散性乳膠粉(EVA)，各項指標均符合國家相關規定的要求；減水劑為引氣型高效減水劑TJ-1。

2.2 試件與結果

本文用正交試驗設計方法，聚合物水泥混凝土的聚合物與水泥的比例分別為0 %、0.5 %、0.75 %、1 %；減水劑與水泥質量比分別為0 %、1 %、2 %，每組都配制不添加減水劑和聚合物的普通混凝土來作比較。試驗所配制的混凝土的強度為C20，它的配合比為:水∶水泥∶砂∶石子=0.51∶1∶1.81∶3.68，混凝土的密度按2 400 kg/m3。根據正交試驗原理，分別配制出12種不同聚合物比例和水灰比的混凝土，均做成100 mm×100 mm×100 mm的立方體試塊。在標準狀況下分別養護3 d、7 d、28 d、60 d，用混凝土強度測試儀測12種聚合物水泥混凝土的抗壓強度得到48組試驗數據，在此只列出一部分數據見表1。

3 BP網絡模型的構建

3.1 網絡模型參數的確定及訓練

表1 試驗數據

圖2 訓練過程誤差曲線

圖3 回歸分析

3.2 預測結果分析及結論

利用訓練好的神經網絡，得到的10組聚合物水泥混凝土抗壓強度與實測值的對比結果分析見表2。

表2 BP神經網絡預測結果分析

由表2可知強度預測值與實測值的最大相對誤差是8.42 %,能夠滿足工程應用。

4 結束語

(1)本文通過應用BP網絡對聚合物混凝土強度進行了預測研究，能得以下結論；預測值與實驗的實測值的誤差均在9 %以內，說明利用神經網絡可以有效的預測聚合物水泥混凝土的抗壓強度。

(2)將人工神經網絡方法用于實踐，既經濟又省時、省力。隨著神經網絡理論與應用的發展，它必將展現出更大的工程應用價值。

[1] 馮雨松. 關于聚合物水泥混凝土的分析[J].工業建筑，2007， 37:14-16.983-985.

[2] 季韜,林挺偉,林旭建. 基于人工神經網絡的混凝土抗壓強度預測方法[J].建筑材料學報，2005，8 (6):676-681.

[3] 皮文山，周紅標，胡金平. 基于BP神經網絡混凝土抗壓強度預測[J].低溫建筑技術，2011，(4):14-16.

[4] 周雙喜. BP 神經網絡預測混凝土抗滲性能的研究[J].五邑大學學報，2009，23 (1):52-56.

[5] 趙娜. 基于人工神經網絡的混凝土抗凍性預測[D].內蒙古科技大學，2010.

[6] XIA Min， FANG Jian-an， TANG Yang， et al . Dynamic depression control of chaotic neural networks for associative memory [J]. Neurocomputing， 2010(73)，776-783.

[7] 毛健,趙紅東,姚婧婧. 人工神經網絡的發展及應用[J].電子設計工程，2011，19 (24):62-65.

[8] 宰松梅,郭冬冬,溫季.人工神經網絡在土壤含鹽量預測中的應用[J].中國農村水利水電, 2010, (10): 33-35.

[9] 沈花玉，王兆霞，高成耀,等.BP神經網絡隱含層單元數的確定[J].天津理工大學學報, 2008, 24(5): 13-15.

林躍忠(1966～)，男，副教授，主要從事土木工程結構材料與施工研究;杜世婷(1990～)，女，碩士研究生，研究方向：結構設計理論與應用。

TU528.41

A

[定稿日期]2015-03-10