混凝土的强度预测及其配合比优化设计研究.pdf

混凝土的强度预测及其配合比优化设计研究* 丁声荣 余巍伟 摘 要：针对混凝土配方数据构成的复杂性，应用聚类分析原理对样本数据进行 自身特性分析，建立了混凝土双并联神 经网络模型，在配合比优化设计时采用 了模拟退火算法，通过实例验证获得 了较好的精度。 关键词：聚类分析，双并联神经网络，混凝土强度预测，模拟退火算法 中图分类号：TU375 文献标识码 ：A O 引言 2 2 近年来随着 “人工神经网络”研究的兴起，由于其非线性处理 能力强，不需要明确的函数关系式等优点而得到广泛应用，在混 对 叫d(0)进行归一化处理。 凝土强度预测和配合比优化设计中有学者做了研究 J，但由于混 2)取 P=1。 凝土配方数据构成的复杂性 ，直接利用神经网络模型对其强度进 3)将样本 =(zlp，2，…，z )输入 网络的输入层 ，并使 行预测时存在精确度较差的问题。笔者所在课题组也做 了相关 用公式 ： 研究，并已取得一定成果 2【，3l。 ，_= ———一 本文首先收集大量的试验数据建立样本库，结合 自组织神经 di=^／ (p一训)(i=1，2，…，m)。 Y J= 1 网络与双并联神经网络建立混凝土强度预测模型，再以训练好的 计算 与w 中各个分量 =(mW …，硼 )的欧氏距 网络模型为基础，以成本函数为 目标条件，采用模拟退火算法建 离d。 立了配合比优化设计模型。 4)选择最小的d相应的输出层神经元为获胜神经元，并将 1 混凝土神经网络强度预测模型 获胜神经元的序号记为 i ，定义获胜神经元的输出为 1，其余神 1．1 样本库的建立 经元的输出为0，并使用公式： 系统运行前，首先建立样本库。样本库可以选择多种数据库 WiJ(t)+ ()(．7gjp—wiJ)~ZOiJ。 类型，如FoxPro数据表。数据库中的混凝土强度为网络的输出， 对获胜神经元的连接权向量 *进行修正计算 ，非获胜神经 其他为输入，包括用水泥量、用水量、用砂量、用石子量、坍落度、 元的连接权保持不变。当获胜神经元的连接权向量 *修正以 水泥产地、石子规格、外加剂用量、水泥强度等等。初始化部分的 后 ，要对其进行归一化处理。 功能主要是：对 自组织映射神经网络部分参数的初始化；水泥生 5)如果 ≤P，取 P+1一P，转向3)继续进行计算，否则转向 产厂家、石子规格等的选择；双并联神经网络部分的参数初始化； 6)。 混凝土配方单价库的建立等等。 6)取 ￡+1一 ，按照设定的方式改变 叩(t)，如果 叩(t)=0，结 1．2 自组织神经网络聚类分析 束学习过程，否则转向，对所有样本均进行上述计算以后 ，就完成 数据分类是一个难点，这是因为预先并不知道将数据分成多 了对样本的聚类分析过程。 少个类，而自组织神经网络是一种无导师 自学习神经网络，可以 1．3 混凝土强度预测的双并联前向神经网络模型 较好的完成分类任务，能够模拟人类根据过去经验 自动适应无法 双并联前向人工神经网络和多层前向神经网络一样，也是由 预测的环境变化。 输入层、隐含层和输出层组成，与多层前向神经网络相比，它增加 在 自组织映射人工神经网络中，输出层神经元与输入层神经 了输入层和输出层神经元的直接联系。 元的连接权向量为 w，用 毗，(i=1，2，…，m；J=1，2，…，)表 在三层DPFNN中，输人神经元为 个 ，隐含层有 R个，输