反向传递神经网络在水泥土无损检测中的应用.docVIP

反向传递神经网络在水泥土无损检测中的应用 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：反向传递神经网络在水泥土无损检测中的应用 1 Y 01 5 Y 02 5 文2：反向传递神经网络在水泥土无损检测中的应用 12 1 神经网络理论概述 12 2 水泥搅拌土试验 13 3 预测水泥土抗压强度及灰土比的神经网络模型 14 4 预测及结果分析 17 5 结语 17 参考文摘引言： 17 原创性声明（模板） 18 文章致谢（模板） 19 正文 反向传递神经网络在水泥土无损检测中的应用 文1：反向传递神经网络在水泥土无损检测中的应用 水泥土深层搅拌的 施工 质量受多种因素影响，不易控制。以往所采用的钻芯取样等方法因存在许多困难限制了其实际应用，无损检测的关键是确定工程上可以接受的检测标准。在岩土工程中，常常根据无须对测试工程取样破坏就能测到的物理量 ( 例如波速 ) 与直接反映 施工 质量的物理量 ( 例如抗压强度和灰土比 ) 之间的关系来建立无损检测标准 [1] 。以往，大多利用单因素回归分析方法建立检测标准，所得出的回归方程千差万别 [2 ～ 4] ，工程应用很不方便。因为影响水泥土强度的因素众多，不易建立解析的数学方程来确定强度与各因素之间的关系，这使数理统计、回归分析等常用的数学工具在处理此类问题时显得力不从心。人工神经网络是在模仿人脑神经功能的基础上于 20 世纪末新 发展 起来的一种信息处理工具。作者选用天津地区堤坝工程常见的黏土进行室内水泥搅拌土试验，测试其在不同养护条件、不同养护时间、不同灰土比条件下的纵波波速、横波波速和无侧限抗压强度。依据试验结果进一步建立养护条件、养护时间、纵波波速、横波波速与无侧限抗压强度和灰土比的神经网络模型。 1 神经网络理论概述 神经网络就是采用物理可实现的系统或利用平常的计算机编程来模仿人脑神经细胞的 结构 和功能的系统。它是由很多处理单元有机地联结起来，并行工作；它的处理单元十分简单，其工作则是集体地进行。它的信息传播、存储方式与人脑神经网络相似；它没有运算器、处理器、存储器、控制器等这些 现代 计算机的基本单元，而是相同的简单处理器的组合；它的信息是存储在处理器单元之间的连接上 ( 称为权 ) ，因而它是与现代计算机完全不同的系统。现已证明，一个 3 层网络可以任意精度逼近任意给定的连续函数，实现 M 维空间到 N 维空间的非线性映射，故它擅长处理复杂的多维非线性问题。它可以从已有的试验数据中通过一定的学习算法，在不同程度和层次上模仿人脑神经系统的信息处理、存储及检索功能，能自动获取信息、智能处理、 总结 规律 ，即具有自组织、自学习及推理的自适应能力；此外，它还具有一定的容错性和联想记忆功能等。在人工神经网络中，所有的信息存储在处理单元之间的连接上，其量化指标用单元之间的连接权 (W i,j ) 来表示，而单元之间连接权的确定是通过教师样本的训练来自动完成的，其中多层前馈网络的反向传递训练算法 (Back Propagation) 是神经网络中最常用的一类算法，由此算法构成的网络 ( 简称 BP 网络 ) 是神经网络中最常用的一类网络形式，也是目前研究最多、最成熟的神经网络系统 [17] 。 2 水泥搅拌土试验 本次试验主要为了解养护条件、养护时间、纵波波速、横波波速与水泥土无侧限抗压强度和灰土比的关系，为建立水泥土无损检测模型提供可靠的试验数据。由于目前水泥土的室内试验尚未形成统一的操作规程，故试验采用现有的土工试验仪器及砂浆混凝土试验仪器，按照土工或砂浆混凝土的试验规程进行试验。 试验选用天津市堤坝工程中常见的黏土，其物理性质指标如下：土粒比重 、液限 % 、塑限 % 、塑性指数 。采用 435 # 硅酸盐水泥作为搅拌剂，试验时先把土样风干粉碎过 2mm 土样筛，然后和水泥放入搅拌 机慢慢加水 进行搅拌，根据工程中常用的控制指标，控制稠度为 6cm 。为了研究水泥渗入量对水泥土强度的影响，分别按照灰土比 8% 、 12% 、 16% 、 20% 、 24% 制样；采用 3 的钢试模，制样时先在试模内装入一半试料放到振动台上振动一分钟，再装入其它的试料后振动一分钟，最后将试件表面刮平盖上塑料布防止水分蒸发过快， 24h 后取出试样进行养护；养护条件分为标准养护 ( 环境温度 (20±3)℃ ，环境湿度大于 90%) 和标准水中养护，标准水中养护是为了模拟水泥土在饱和土中的情况，把试样放在标准养护间的水槽中进行养护 ( 养护用水的温度为 (20±2)℃) 。 图 1 神经网络拓扑 结构 室内水泥土的测试内容包括水泥土养护 3d 、 7