基于Logistic神经网络模型的大体积混凝土温升数值模拟.docVIP

基于Logistic神经网络模型的大体积混凝土温升数值模拟 　　摘要：随着我国土木建筑技术的不断提高，为满足结构功能要求，大体积混凝土结构的应用也越来越广泛，如高层建筑、水坝、铁路和公路等。大体积混凝的截面尺寸较大，在其施工过程中会出现各种各样的裂缝，引起裂缝的原因很多，但温度裂缝是造成裂缝最常见的原因。预先预测大体积混凝土的温升值，并做出施工过程中的预防措施，是保证大体积混凝土施工质量的重要方法。本文针对大体积混凝土温升的趋势特性，提出了一种基于灰色Logistic模型和BP神经网络算法的数值模拟模型，并应用该模型对大体积混凝土温升进行数值模拟。研究结果表明，将灰色Logistic模型和BP神经网络算法结合起来进行大体积混凝土温升预测精度高于单纯的灰色GM（1，1）和Logistic模型，模型模拟的结果与试验结果比较吻合，说明该模型可以有效地模拟大体积混凝土温升。 　　关键词：灰色理论；神经网络；大体积砼 　　引言 　　随着我国经济的发展，大体积混凝土结构在建筑、水利、公路等行业的应用日益广泛。大体积混凝土在施工阶段，由于大体积混凝土的水化热不易及时散发，导致结构内部先快速升温后缓慢降温，致使大体积混凝土内部产生温度应力，这会导致出现贯穿性温度裂缝和表面裂缝。所以对于一次连续浇筑的大体积混凝土控制温度应力是保证混凝土质量的关键。为了避免混凝土温度应力产生的裂缝，采取的措施除选择合理的配合比、控制混凝土的入模温度外，保温保湿养护也是必不可少的方法。因此在施工过程中必须掌握混凝土的温升规律才能有的放矢地制定保温措施，确定养护方法和养护时间。为了预防表面裂缝的产生，必须有可靠方法预测大体积混凝土的温度变化趋势。 　　传统上行业内对于大体积混凝土温升计算，《建筑施工手册》、《大体积混凝土施工规范》和《水运工程大体积混凝土温度裂缝控制技术规程》给出了不同的大体积温升计算公式[1][2][3][4]。由于各公式对温升影响的因素考虑程度不同，造成计算的结果也各不相同。而且上述文献都基于绝热环境下，着重于计算大体积混凝土内部最高温升值，因此计算值大都与实际值偏差太大，在预防温度裂缝的产生上不具有指导意义。 　　近年来，有些学者开始应用灰色理论进行混凝土温度预测和碳化预测研究[5][6]，文献[7]应用神经网络进行混凝土的温升预测，张伟等学者应用BP神经网络进行混凝土耐久性的评价[8]，也有文献从大体积混凝土浇筑厚度的角度对温升公式作出了修正[9]。 　　随着科学技术的发展，特别是计算机技术的发展，机器语言算法为解决这类问题提供了新的思路和途径。本研究基于BP神经网络和灰色Logistic模型，提出了大体积混凝土温升预测的非线性模型。该模型既利用灰色理论的需要数据少的优点，又吸收了BP神经网络容错能力，自适应能力强的优点。 　　1 大体积混凝土温升预测的非线性模型 　　在绝热条件下，混凝土内部的最高温度是浇筑温度与水泥水化热温度的总和。但在实际情况下，由于混凝土的温度与外界环境有温差存在，而结构物四周又不可能做到完全绝热，故在新浇筑的混凝土与其周围环境之间，就会发生热能的交换。结构物的模板、外界气候（包括温度、湿度和风速）和养护条件等因素，都会不断改变混凝土贮备的热能，并促使混凝土的温度逐渐发生变动。因此，混凝土内部的最高温度，实际上是浇筑温度、水泥水化热引起的绝热温升和混凝土浇筑后的散热温度三部分组成。 　　前述文献给出的计算方法主要是基于在绝热条件下，但在实际环境下，几乎不存在绝热条件，混凝土的温升受周边气温、湿度、地基土种类、养护方法、养护材料等因素影响。总体来说，该种情况属于贫信息的情况，适合“部分信息一致、部分信息未知”的“小样本”、“贫信息”不确定系统。这种系统符合灰色系统的特征，适合用灰色理论来解决相关问题。灰色预测具有要求样本少、运算方便、短期预测精度高等优点，因此得到广泛的应用，并取得了令人满意的效果。但是，它和其它预测方法一样，也存在一定的局限性。GM（1，1）模型主要适用于单一的指数增长的模型，对序列数据出现异常的情况很难加以考虑[10]。 　　1.1 灰色预测模型的基本原理 　　1.1.1所谓灰色系统是指含有已知信息，又含有未知信息的系统，是由邓聚龙教授在1986年提出的[11]。灰色理论自产生以来，发展非常迅速，由于它所需要的因素少，模型简单，特别是对于因素空间难以穷尽、运行机制尚不明确，又缺乏建立确定关系的信息系统。灰色系统理论及方法为解决此类问题提供了新的思路和有益的尝试。 　　灰色理论在处理不确定性问题上有其独到之处，它的主要应用就是处理不确定性的问题，通过序列算子的作用探索事物运动的现实规律，其特点是“少数据建模”。灰色系统为贫信息情况下求解系统问题开创了新的途径，并能够以系