应用神经网络对混凝土强度进行早期判定地研究.pdfVIP

应用神经网络对混凝土强度 进行早期判定的研究· 王继宗 倪宏光 (河北建筑科技学院邯郸056038) 【提要】 本文阐述了混凝土强度早期判定问题的特点。剖析了传统的回归分析 方法的不足之处。在此基础上引入神经网络方法，说明了该方法的原理和实施步骤， 重点分析了多层前向神经网络的算法，指出了基本BP算法存在局部极小的缺陷，给 训练的多层前向神经网络能够以很高的精度预报混凝土的强度，同时说明该方法在很 大程度上优于回归分析方法。 【关键词】多层前向神经网络BP算法强度早期判定全局优化回归 分析 一、前 言 混凝士强度早期判定方法的试验研究工作始于二十年代，美国首先研究了蒸压釜 及沸水箱加速养护试验方法。大量的研究工作是在五十年代后期展开的，各国研究发 展了多种早期加速养护、快速测定新拌混凝土的水灰比、快速分析新拌混凝土组成等 试验方法，以早期判定混凝土28d强度ll“l。我国于八十年代初开始将快速推定混凝 土强度的试验方法列入标准或规程州。目前，国内外普遍应用的快测方法主要分为两 大类：第一类，用增加养护温度、提高介质压力来加速混凝土硬化．这类方法提出的 依据是通过测定加速养护混凝土的1小时、或半天、或3天的早期强度，在这些早期 强度和标准养护28天强度之间建立相关关系，利用回归分析理论导出相关关系式。据 以判定混凝土28d强度。常用的相关关系式有对数式．指数式等。这类方法的预报精 度相对较高，但试验周期长，预报结果滞后于生产和施工是该方法的固有缺陷，此外， 该方法对试验设备要求较高，因此费用较高。施工现场推广较困难。第二类方法，通 过分析混凝土结构及组成特点，提出若干影响混凝土强度的因索，利用回归分析理论 Ⅳ譬q{ 等。这类方法简单易行，费用较低，易于推广，’但预报的精度较低。究其原因是由于 回归分析技术的限制，难以考虑太多的强度影响因素，尤其带有模糊性的因素。鉴于 目前快速判定方法存在的缺点和局限性，同时考虑混凝土性能发展的需要，本文提出 引入智能化方法之一的人工神经网络方法来处理混凝土强度早期判定问题。 ’国家自然科学基金(批准和留学回营人员科技基金资助项目 传统的基于VonNcumann数字电子计算机的程序化计算已经为所有的工程计算 和信息处理奠定了基础。然而这种程序化的计算方法本身具有计算复杂和串行计算所 固有的计算速度慢等缺点，而且，在知识表示方面，尤其是在大量的基于符号逻辑的 计算实现方面，这种方法的不足尤为突出．人工神经网络在经过近半个世纪的研究， 理论和应用两方面都取得了很大进展．神经网络在许多领域已经成为有效的计算方 法。这种基于生物学基础之上的巨量并行计算方法具有运算速度快、处理非线性信息 能力强和便于软硬件实现等优点。 二、土木工程领域智能化信息处理方法回顾 试将智能化方法中擐基本的学习能力的概念引入结构设计中，他的主要目的是研究通 过实例产生规则的可能性问题。正如其文中所述【4】：“实例在人类的教与学中起很大 作用，那么我们自然耍问，在传统的适应性系统中，它们会起何等作用呢?因为学生 可以通过老师的教授学会使用示例，那么计算机能否被教会使用例子呢，如果能的话， 那么怎样实现昵?目前答案无从知晓，但可以肯定，我们作为实例应用过的独立向量 的集合现在可以用来表征函数了。” Stonel5】提出通过学习桥梁结构缺陷的历史数据，可以产生基于示例的知识体系， 用于预测桥结构的破损情况。这种方法受到了Noms的启发，Norris最初将学习示例 的技术用于医疗诊断