基于BP網络的混凝土早期弹性模量的预测.doc

基于BP网络的混凝土早期弹性模量的预测 范永强[1] 潘南姝[2] 谭梓刚[1] ([1]广州市公路管理局东郊分局，广东，广州; [2]湖南省公路设计公司,湖南,长沙) 关键词：BP神经网络；混凝土；弹性模量；预测 摘 要：神经网络具有很强的非线性映射功能，本文在测定混凝土早期强度的基础上利用BP神经网络对其弹性模量进行预测。重点讨论了BP神经网络的拓扑结构和修正算法。通过对检验结果进行分析比较，证明了利用BP网络能对混凝土早期的弹性模量进行精确的预测。 Prediction of the Early Elastic Mould of Concrete Based on BP Artificial Neural Networks [Abstract] Neural Network has strong nonlinear map characters. This text utilizes BP neural network to predict its elastic mould amount on the basis of determining the early intensity of concrete. It discusses the structure and amending algorithms of BP neural networks in detail. This method has proved that utilizes the elastic mould amount that BP network can be early to the concrete to carry on accurate prediction. [Key words] BP Neural Networks, elastic mould amount of the concrete, prediction 一、引言 混凝土是胶凝材料、水和粗、细骨料按一定比例配合、拌制成拌合物,经一定时间硬化而成的人造石材,其强度性能受龄期、水灰比、砂率、级配、水泥的标号、外加剂的性能等众多因素影响。目前对混凝土强度和弹性模量的研究多集中在28天龄期以后，而对混凝土早期（28天龄期以前）的研究较少。混凝土的早期强度和弹性模量对施工的进度和工程的可靠度有重要的影响。影响水泥混凝土早期（28天以前）强度的主要因素是时间，其早期强度和弹性模量随时间的增长而不断增大。混凝土早期强度的测定比较容易，但混凝土早期弹性模量不易测定。目前对混凝土早期强度和弹性模量的研究多用曲线模拟的方法。神经网络可以很好的进行预测，通过BP网络对混凝土的早期弹性模量进行预测可以解决混凝土的早期弹性模量不易测定的问题。 二、人工神经网络(Artificial Neural )及BP网络 （一）人工神经网络及其特点 人工神经网络（简称ANN）是模拟人脑的神经细胞和神经系统，由大量的人工神经元按照一定的拓扑结构相互连续组成的分布式的并行的信息处理系统。 人工神经网络信息处理的基本特征是：结构分层、功能分区、信息分布存储、并行分布处理、非线性映射、通过训练进行学习、自适应性、联想记忆功能及自动提取特征参数。它对多变量、非线性系统的数据处理具有速度快，能力强的优点。 本文采用的是以Rumelhart和McClelland于1982年成立的PDP小组研究的并行分布式信息处理方法为基础，于1986年由Rumelhart，Hinton和Williams完整而简明地提出的误差反向传播(Back Propagation)学习算法，简称BP算法。它系统地解决了多层网络中隐含单元连接权的学习问题。 （二）BP网络及其算法 BP网络目前在人工神经网络的实际应用中使用广泛，大多数神经网络模型是采用BP网络及其变化形式。下面以单隐层为例介绍BP网络的结构及算法，在实际问题中输入层与输出层单元数由问题决定，隐层层数与单元数由试算确定。如图1所示。 图1 BP网络 本文采用的三层BP网络基本算法如下： １．确定网络参数和学习步长。主要是网络隐层节点数、网络收敛极小值、和学习步长;输入层和输出层节点固定为2和1。 ２．打开样本数据文件,输入样本数据。 ３．数据初始化。学习样本数据归一化;利用随机函数使权值、阀值数据初始化,数据初始化在(0,1)之间。 网络学习过程。①向网络随