模袋混凝土工作性能和強度的試驗研究

王志華

摘要：模袋混凝土通常要求具有較大的流動性、強度和耐久性。為了生產出滿足這些需求的高質量模袋混凝土，一般都是在規范規定的范圍內，專家的經驗發揮著至關重要的作用。為了降低配合比設計中人為因素的影響和提高工作效率，本文通過實測數據，首先用主成分分析法分析了影響流動性和強度大小的主要因素，然后采用的神經網絡就能很好的預估模袋混凝土的流動性和強度。

關鍵詞：工作性能? 強度? 主成分分析? BP神經網絡

1.引言

模袋混凝土在北方防滲襯砌渠道工程中已得到廣泛應用，由于模袋混凝土施工要求混凝土具有較高的流動性，所以外加劑已經成為模袋混凝土不可缺少的組分部分，為了降低工程成本，會在模袋混凝土中加入適量的粉煤灰和礦渣，造成模袋混凝土的組分多，評價因子也多，特別是強度需要28天的養護時間，如果檢測強度不滿足要求，則進行改進就太晚了。因此，本文通過20組實測數據，用主成分分析法分析了影響流動性和強度大小的主要因素，用BP神經網絡對模袋混凝土的流動性和抗壓強度進行預測，以期為模袋混凝土配比的優化設計提供參考。

2.試驗

2.1原材料試驗

水泥依據《通用硅酸鹽水泥》GB175的相應要求，檢測其含堿量、礦物組成、細度和水化熱等技術指標，均符合設計要求。粗、細骨料依據《水工混凝土施工規范》SL677-2014的相應要求，檢測其表觀密度、含泥量、有機物含量等指標，也均符合設計要求。其中各種原材料的表觀密度見表1。

2.2試驗方案設計

試驗方案采用正交試驗實驗方案中的組合法進行設計，保持粉煤灰摻量20%不變，選定水泥用量、水灰比、減水劑摻量3個因素都為4個水平，砂率、細集料用量2個因素都為5個水平，具體各因素的水平取值見表1。

3.試驗結果分析

3.1用主成分分析法分析影響模袋混凝土的流動性和抗壓強度的主要因素

在統計中，主成分回歸（PCR）是一種基于主成分分析（PCA）的回歸分析技術。更具體地說，PCR用于估計標準線性回歸模型中的未知回歸系數。本文將主成分個數設置為5，最終結果見表3.

3.2神經網絡預測模袋混凝土的流動性和抗壓強度

反向傳播（Back propagation，縮寫為BP）是一種用于人工神經網絡的方法，用于計算在計算網絡中使用的權重需要用到的梯度。反向傳播是“誤差反向傳播”的簡寫，因為誤差是在輸出時計算的，并且從輸出層往后分布于網絡的各個層。它通常被用來訓練深層神經網絡。

反向傳播是將delta規則推廣到多層前饋網絡，通過使用鏈規則迭代計算每個層的梯度來實現。反向傳播是一種更通用的技術稱作自動微分的特例。在學習的中，反向傳播通常被梯度下降優化算法所使用，通過計算損失函數的梯度來更新神經元權重，以最小化損失函數。本文用Matlab軟件對BP神經網絡進行訓練，主要步驟：（1）劃分訓練集和測試集;（2）數據歸一化;（3）BP神經網絡創建、訓練及仿真測試;（4）數據反歸一化;（5）性能評價。具體結果見表4。

4.結論

（1）從表2可以看出外加劑的摻量對模袋混凝土的工作性能和強度有至關重要的影響。

（2）本文采用BP神經網絡，在模袋混凝土配合比參數（單位水泥含量、水灰比、砂率、單位粗骨料含量、外加劑）的基礎上預估了模袋混凝土的塌落度、擴展度、含氣量和抗壓強度。研究結果表明，強度、擴展度、塌落度和含氣量預測估算結果與試驗結果的最大相對誤差分別為9%、20%、2%、20%。所以基于BP神經網絡的模袋混凝土抗壓強度、塌落度的預測是有效的。