数据分析在混凝土配合比设计中的应用探究.docVIP

数据分析在混凝土配合比设计中的应用探究 　　混凝土是全世界范围应用最为广泛的建筑材料。在混凝土诞生的一百多年中，无数科研工作者、工程实践者付诸大量的心血探索混凝土的奥秘。但是由于混凝土是一种从细观到宏观都是高度非均质的多项复杂体系，在科学实践中存在众多问题。 　　混凝土配合比设计的研究对于混凝土生产企业优化工艺、降低成本有着重要意义，为此全世界范围内的学者都给出过不同的研究方法。但是现行的配合比设计方法仍存在较多问题亟待解决。究其原因主要是有关混凝土材料的基础理论性研究不足，导致现行的众多的配合比设计方法均不能以材料科学: 组成、结构与性能的科学方法来阐述混凝土的内在问题。 　　我们可以对国内外几种配合比设计方法进行简单的评价: 美国ACI 方法: 其优点在于简单易行，通过查表即可得出配合比，但是各个参数的选择理论依据不强，对于材料性状变化的敏感性差，是经验性配合比设计方法最为典型的案例。而英国BRE 方法，相比美国ACI 方法参数选择相似，但是其选择依据考虑的因素更多，缺点也比较明显，仍是图表选择的形式，可能导致普适性较差。法国Dreux 方法的优点在于各个参数考虑细致。但是，Dreux 级配曲线可能有一定局限性。法国( de. larrad) 则在理论上更胜一筹，以物理模型和数学模型建立的设计方法。而我国现行的配合比设计方法更注重的是经验性设计。应该注意到，这样的配合比设计方法理论基础相对薄弱，经验性选择居多，并且计算结果偏差很大。具体表现在，强度公式引起的误差波动，其次用水量与砂率的选择依据也并不充分。 　　近年来，随着“人工神经网络”等数据分析方法研究的兴起，越来越多的人开始尝试用数据挖掘与分析的方法来进行混凝土配合比的设计与优化。比如人工神经网络方法就具有非线性处理能力强、不需要明确的函数关系式等特点。一个三层BP 神经网络可以以任意精度近似任何连续函数。甚至有研究指出采用人工神经网络技术进行混凝土配合比设计，具有适应性强、准确有效的优点，是进行多组分混凝土配合比设计的一种切实可行的方法。 　　本文针对混凝土配合比设计的研究工作已经取得的进展，阐明混凝土配合比设计所存在的问题，分析并讨论数据分析在混凝土配合比设计中的地位与意义，为混凝土配合比设计的进一步研究与工程实践提供一定的参考价值。 　　1 数据分析与混凝土配合比设计 　　1. 1 人工神经网络 　　1. 1. 1 人工神经网络技术简介通常意义上的BP人工神经网络是以输入单元为自变量、输出单元为因变量、网络单元间的连接权值为调整参量，按最小误差原则逐步反馈修正而使网络达到最佳模拟状态的一种数学算法，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元; 中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构; 最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。 　　1. 1. 2 在混凝土配合比设计中的应用人工神经网络的特点是非线性处理能力强、不需要明确的函数关系式等，正是因为这些优点，人工神经网络技术慢慢渗透到了各行各业当中且有着非常广泛的应用。理论上讲，一般的三层BP 神经网络可以以任意精度近似任何连续函数。有科学研究指出，采用人工神经网络技术进行混凝土配合比设计，具有适应性强、准确有效的优点，是进行多组分混凝土配合比设计的一种切实可行的方法。刘国华等人曾以BP 网络表达的混凝土性能--配合比关系作为约束条件，以成本函数作为目标条件，采用Monte - Carlo 随机试验法建立直接优化设计模型，并对网络输入输出单元的选择和预测结果稳定性进行较深入的探讨，最终开发出了实用软件。 　　1. 1. 3 应用实例 　　用BP 人工神经网络技术建立一个混凝土配合比设计的预测模型，首先必须能够让输入单元反映出影响混凝土最终性能的各个因素，且输出单元要包括所设计混凝土的各项性能指标。因此输入单元主要包括各种原材料的用量和混凝土制作工艺，主要有以下几种: 胶凝材料水泥的品种、强度、初终凝时间; 砂的用量与细度模数; 石子的用量、颗粒级配和最大、最小粒径;矿物掺合料如膨润土、粘土