普通混凝土强度预测的双并联前向神经网络模型.pdfVIP

普通混凝土强度预测的双并联 前向神经网络模型 DoubleParalleIFeed—ForwardNeutraINetworkModeI forPredictionofCommonConcreteStrength 口 姜新佩 邓子辰 丁声荣z 田新志 (1．西北工业大学 西安710068；2．河北工程大学 邯郸056038) 【摘 要】为了预测混凝土强度，在分析普通混凝土的28d强度的影响基础上，建立了混凝土强度预测的双并联前向神经网络 M 模型。介绍了双并联前向神经网络模型的计算过程厦其学习方法。通过编程用计算机对混凝土强度预测进行了仿真模拟，结果 O 与鲍罗米公式计算蛄果比较表明预测精度高，模型可靠。通过与BP网络模型比较发现双并联前向神经网络模型具有更好的收 C 敛效果。 . 【关键词】双并联前向神经网络 混凝土强度 预测 线性一非线性模型 网络参数 G 【中圈分类号】TU755 ／文献识别码 A 文【章编号】1004—1001(2006)04-0304—03 N O 0 引言 双并联前向人工神经网络是由输入层、隐含层和输出 L 层组成。在三层双并联前向人工神经网络中，输入神经元 在混凝土领域，强度作为主要的性能指标之一，长期 U 是r7个，隐含层有m个神经元，输出层则有 1个神经元， 以来一直受到人们的重视，而评价混凝土强度需要测试其 H 与多层前项神经网络(MLFNN)相比，输入层神经元除了按一 28d强度，测试周期长不能满足施工要求。近2O年来， Z 般前向网络传递的路径外 (即通过隐含层传递到输出层)， 根据混凝土配比、养护条件、外加剂、早期强度等因素的 . 增加了输入层神经元与输出层神经元的直接联系，因此 回归分析方法进行强度预测已进行了深入研究。但 由于混W DPFNN是一种线性——非线性模型，有着更为广泛的应用 凝土强度影响因素众多、相互作用呈非线性，难以得到满 W 前景。图1和图2分别为三层前向神经网络和三层双并联 意的结果。人工神经网络的崛起，给我们处理非线性问题 W 前向神经网络的拓扑结构。 提供了强有力的工具。近年来，人工神经网络在各行各业、 各个研究领域中的应用获得了较快的发展。在混凝土强度