GR人工神經網絡在鐵尾礦粉混凝土研究中的應用

程興旺 黃春霞 楊 謙 侯經文

(陜西工業職業技術學院，陜西 咸陽712000)

0 前言

在混凝土中摻入鐵尾礦粉，不僅能有效地利用工業廢棄物[1]，還可以使混凝土獲得良好的工作性能及力學性能[2]。人工神經網絡是一種通過計算機對人腦神經系統在結構上和功能上的仿生模擬技術，可以從一系列相關性的試驗數據中自學習、自組織和迫近任意非線性映像[3]，可以很好地反映鐵尾礦粉摻量對混凝土各項基本性能的影響。

本文根據一系列相關的鐵尾礦混凝土的抗壓強度和坍落度試驗數據，建立了能夠預測評估其強度和工作性能的GR預測模型。

1 GR人工神經網絡

GR人工神經網絡作為徑向基函數神經網絡的一個分支[4]，除過起始的輸入層以及結束的輸出層，只有模式和求和兩個隱含層，并且不必對隱含層節點數進行預估，構建網絡時只需要對光滑因子的取值進行人工調配，其結果保證全局收斂。

試驗材料：礦渣粉選取靈壽超細礦渣粉；鐵尾礦粉選取瑞和祥公司提供的比表面積340m2/kg極細鐵尾礦粉；混凝土基材強度定為C30。定義摻入率為單位體積鐵尾礦質量與礦渣粉總質量之比。將摻入率，水膠比，砂率，減水劑含量分別設為自變量P1、P2、P3、P4，將鐵尾礦粉混凝土抗壓強度設為因變量T1，坍落度設為T2。

2 樣本訓練與結果預測

GR模型訓練過程中采用交叉驗證訓練對光滑因子進行自適應和調整，得到的最佳光滑因子值為0.75，其預測結果見表1。網絡訓練完成后，利用表2作為測試樣本，驗證網絡的預測能力。

由表1、2可知，鐵尾礦粉混凝土GR網絡模型預測誤差保持在較低的水平，完全適應于工程需要。

3 結論

構建了鐵尾礦粉混凝土GR網絡模型，能夠精確地對其強度和工作性能進行預測。研究表明，GR神經網絡具有出色的泛化能力，在鐵尾礦粉混凝土性能預測、配合比設計等方面具有廣闊的應用前景。

表1 網絡訓練集

表2 網絡測試集