基于BPANN_GA混合型算法的混凝土配合比优化设计研究.docxVIP

基于BPANN2GA混合型算法的混凝土配合比优化设计研究陈晓东1,陈斌1,刘国华2(11浙江水利水电专科学校水利系,杭州310018;21浙江大学建筑工程学院,杭州310027)摘要:根据混凝土不同龄期的抗压、抗拉强度与和易性、耐久性等要求,综合考虑原材料供应、施工工艺、环境温度和湿度等条件,合理设计混凝土配合比,并最大限度节约工程成本,是现代混凝土技术发展对配合比设计提出的新要求。本文结合基于BP人工神经网络的预测技术和基于遗传算法(GA)的全局优化算法,建立混凝土配合比非线性优化模型,并对该模型的参数选择、计算效率等问题进行深入探讨,从而为上述问题的解决找到一条较为可行的途径,取得初步的成果。文中并给出简单的应用实例,以进一步验证算法的适用性、有效性。关键词:水工材料;配合比优化;BPANN2GA混合型算法;混凝土;人工神经网络;遗传算法中图分类号:TU528文献标识码:AOptimizationofconcretemixturebasedonBPANNandgeneticalgorithmsCHENXiaodong1,CHENBin1,LIUGuohua2(1.ZhejiangWaterConservancyandHydropowerCollege,Hangzhou310018;2.CollegeofCivilEngineeringandArchitecture,ZhejiangUniversity,Hangzhou310027)Abstract:Owingtothecomplexityofnonlinearrelationshipbetweenrawmaterialsandconcreteproperties,thereisnosimpleformulationtobegainedforoptimizationofconcretemixproportioning.AnewmethodwhichintegratestheBPartificialneuralnetworks(ANN)andgeneticalgorithms(GA)techniques,ispresentedinthispaper.IdiographicoperatingprocedureandselectingmethodofGAparametersarestudiedinordertoachieveappropriatesimulationaccuracyandefficiency.Apracticalexamplealsoisgiventoillustratethefeasibilityofthismethod.Keywords:hydraulicmaterials;mixture2proportionoptimization;mixedalgorithmofBPANN2GA;concrete;artificialneuralnetwork;geneticalgorthms(GA)混凝土的配合比设计理论,自从Bolomey和Abrums提出水灰比定则以来,已经有将近百年的历史,对混凝土工业的发展产生了巨大的推动作用。但是,自上世纪90年代以来,随着高性能混凝土(HPC)和绿色混凝土概念的提出,掺合料、外加剂逐渐成为现代混凝土中必不可少的组成成分,从而使配合比的设计变得复杂。除了强度,还要求混凝土具有良好的和易性,较小的坍落度延时损失等特点。混凝土结构基于耐久性设计概念的提出,更对其抗渗、抗裂性能提出了更高的要求。除此之外,随着混凝土组分的增多,传统的基于水灰比定则的配合比设计法还存在着无法进行经济性比较,无法进行成本优化等缺点。混凝土配合比的优化问题,最早由CannonJP和KrishnaMurtiGR提出1,采用了线性规划的单纯形法。此后,多元线性、非线性回归技术和多目标优化算法被相继引入,在实践中均取得较好的效果2,3。进入20世纪90年代后,采用人工神经网络技术(ANN)预测混凝土性能,引起了各国研究者的广泛兴趣,至今已证明是一种准确度较高、适应性较广的有效方法4,5。由此,将ANN与非线性优化算法相结合,建立配合比优化模型,成为混凝土设计中可供选择的一条新途径。YehI2C考虑了混凝土抗压强度与坍落度等性能,率先采用此方法实现了一个配合比设计的算法程序6。作者也曾将ANN与Monto2Carlo法相结合,建立了配合比的优化设计模型,综合考虑了收稿日期:2006206212基金项目:国家自然科学基金和浙江省水利厅科技计划(RC0613)资助。作者简介:陈晓东(1965—),男,副教授。E2mail:chenxd@60水力发电学报2007年强度、工作性和施工工艺的影响7。Monte2Carlo法通过随机投点,可在全局范围内进行最