基于深度学习的粉煤灰混凝土氯离子浓度预测.pdfVIP

第49卷 第2期 北 京 工 业 大 学 学 报 Vol.49 No.2 2023年 2月 JOURNAL OF BEIJING UNIVERSITY OFTECHNOLOGY Feb. 2023 基于深度学习的粉煤灰混凝土氯离子浓度预测 1,2 1 1 1 3 章玉容 ,余威龙 ,麻雪晴 ,骆天意 ,王京京 (1.浙江工业大学土木工程学院,杭州摇 310014;2.浙江省工程结构与防灾减灾技术研究重点实验室,杭州摇 310014; 3.北京工业大学城市建设学部,北京摇 100124) 摘摇 要:为研究深度学习方法在氯离子浓度预测中的应用,通过自然潮差环境下粉煤灰混凝土的长期暴露试验获 取3150组自由氯离子浓度数据,建立不同激活函数、不同隐藏层层数的多层感知器(multi鄄layer perceptron,MLP) 模型,开展考虑水灰比、暴露时间、粉煤灰掺量、渗透深度4 个输入参数影响的粉煤灰混凝土中的自由氯离子浓度 预测研究. 结果表明,采用ReLu 函数及4层隐藏层构建MLP模型时,自由氯离子浓度的预测结果最优. 同时,将 构建的最优MLP模型开展基于未测参数的自由氯离子浓度预测,比基于菲克第二定律的预测结果更准确. 因此, MLP模型具有精度高和适用范围广泛的特点,可作为氯盐环境下混凝土中自由氯离子浓度预测的新方法. 关键词: 自由氯离子浓度预测;深度学习;多层感知器;激活函数;隐藏层层数;粉煤灰混凝土 中图分类号:TU528 文献标志码:A 文章编号:0254-0037(2023)02-0205-08 doi:10.11936/ bjutxb2021120010 Prediction of Chloride Concentration in Fly Ash Concrete Based on Deep Learning 1,2 1 1 1 3 ZHANG Yurong ,YU Weilong ,MA Xueqing ,LUOTianyi ,WANGJingjing (1.College of Civil Engineering,Zhejiang University of Technology,Hangzhou310014,China; 2.Key Laboratory of Civil Engineering Structure Disaster Prevention and Mitigation Technology of Zhejiang Province, Hangzhou310014,China; 3.Faculty of Architecture,Civil and Transportation Engineering,Beijing University of Technology,Beijing 100124,China) Abstract:To explore the application of deep learning theory on predicting chloride concentration,3150 groups of free chloride concentration data were obtained by a long鄄term exposure test of fly ash concrete under natural tidal enviro