应用BP 神经网络模型对水泥强度进行预测研究.docVIP

应用BP神经网络模型对水泥强度进行预测的研究( （西安建筑科技大学材料科学与工程学院） 摘 要：通过分析，针对强度预测是一个多变量、非线性、大时滞问题采用人工神经网络中误差反向传播的多层前馈式网络，即BP (Back-Propagation) 型网络模型建立，水泥生产质量管理提供一定的技术支持。 关键词：；人工神经网络；；预测 The pplication of neural network method ChaoHui LuoLiang BaiMeili MiYu1 (1. Xi’an HighWay Institute, Materials Science and Engineering College, Xi’an University of Architecture Technology，Xi’an 710055,China) Abstract： Key words： 中图分类号： TU5221 文献标识码：A 水泥强度是衡量水泥质量的重要指标之一，水泥生产过程中为了控制其质量，需要尽可能早的预测产品的抗压强度，如果出现数据异常以便及早反馈于生产，减少经济损失。而强度预测是一个多变量、非线性、大时滞问题。 其特征是影响水泥的理化性能检测值与28d强度值虽然确定，但是至今没有具体的函数表达式将其描述。 传统的线性回归分析预测法[1]把水泥强度与各检测值之间的高度非线性关系简化为线性函数关系，忽视了水泥强度复杂的非线性和模糊性，预测结果的准确性很不理想。也有研究人员将多元回归预测技术应用于生产过程[2-3]。其基本思想是在水泥成分、影响因素、3d强度与标准养护28d水泥强度的实测值之间建立回归方程，进行强度预测。但是如果考虑的因素过多，会使回归分析的计算量过大，适用性和精度也会随之下降仍然难以在水泥生产中推广应用。因此，有必要利用新的预测方法进行强度的预测本文针对以上问题提出了预测水泥强度的人工神经网络(ANN)模型，并与多元回归对比分析表明，ANN建模有较高预测精度为水泥生产的质量管理提供一定的技术支持，并降低销售成本，提高经济效益， 保护环境和低碳生产实现具有重大的现实意义。 1试验 设备及材料 JJ5型水泥胶砂搅拌机ZS-15型台TYE-6型水泥胶砂抗折试验机TYE-200型水泥胶砂抗压试验机40 mm×40 mm×160 mm水泥专用三联试模水泥水ISO标准砂[]。 将成型的水泥胶砂试块带模放在恒温恒湿养护箱里养护1d，温度20℃，湿度95%。1d后进行脱模，再放进恒温水槽内进行养护，水温为20℃，并对养护到3d和28d的试块分别进行抗压强度（fc）和抗折强度（fl）测试，试验数据见表1。 表1 水泥胶砂强度试验 序号 水泥细度/% 矿渣掺量/% SO3含量/% CaO含量/% 3d fc /MPa 28d fc /MPa 3d f /MPa 28d fl /MPa 1 4.10 11.90 2.33 54.09 28.37 52.33 3.10 7.20 2 3.60 9.80 2.21 54.49 24.74 51.69 3.30 7.70 3 3.90 11.70 2.01 56.13 22.04 49.87 3.40 7.40 4 3.80 9.80 2.25 54.08 23.90 49.69 3.20 8.10 5 3.90 10.60 2.34 53.26 24.55 49.14 3.20 7.70 6 4.30 10.70 2.24 54.45 24.92 50.23 3.50 8.60 7 4.70 12.30 2.25 54.39 24.55 47.68 3.40 8.20 8 4.20 11.60 2.15 54.32 22.51 45.77 3.60 8.30 9 3.90 9.90 2.21 53.53 26.41 49.78 3.60 8.60 10 4.30 10.90 2.16 54.28 25.67 51.51 3.40 7.80 11 3.20 12.40 2.46 54.12 23.62 49.87 3.50 8.40 12 2.80 16.30 2.55 54.23 22.69 49.05 3.30 7.70 13 3.30 17.70 2.06 52.43 22.88 48.69 3.20 8.00 14 3.20 12.20 2.10 53.07 33.02 55.24 3.50 8.50 15 4.00 13.30 2.18 54.49 21.76 48.05 3.30 8.30 2 人工神经网络建模 2.1 BP 模型简介 人