学位论文 > 优秀研究生学位论文题录展示

基于人工神经网络的混凝土抗冻性预测

作　者: 赵娜
导　师: 蔺石柱
学　校: 内蒙古科技大学
专　业: 结构工程
关键词: 人工神经网络混凝土抗冻性预测
分类号: TU528
类　型: 硕士论文
年　份: 2010年
下　载: 116次
引　用: 1次
阅　读: 论文下载

内容摘要

寒冷地区经常与水接触的混凝土结构,受冻融破坏的作用,锈胀开裂和表面剥蚀现象非常广泛,使混凝土结构过早地丧失耐久性能。普遍认为混凝土冻融破坏是一个物理作用过程,破坏机理十分复杂,建立混凝土抗冻性预测的理论模型难度很大。目前,利用试验和工程检测数据建立经验模型是比较可行的。但是,由于混凝土抗冻性影响因素众多且关系复杂,很难利用回归分析给出一种确定的数学模型。人工神经网络是人脑神经网络理论化的数学模型,是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统,能实现复杂的逻辑操作和非线性关系映射,对于难以建立精确数学模型又易于收集学习样本的问题非常适合。鉴于此,本文采用人工神经网络原理对混凝土抗冻耐久性预测进行研究。本文借鉴了国内外混凝土冻融相关理论和人工神经网络应用方面的研究成果,在分析混凝土冻融破坏机理和影响因素的基础上,利用人工神经网络原理分别建立了标准冻融试验条件下普通混凝土和引气混凝土的相对动弹性模量、质量损失率、立方体抗压强度相对值三个指标的预测模型。另外,在收集工程检测数据的基础上初步建立了自然环境下冻融循环次数与实验室冻融循环次数之间的等效关系模型。这些模型的建立为混凝土抗冻性的试验、设计、施工、评估和维修加固提供了指导,也为混凝土抗冻融性能的进一步研究奠定了基础。本文运用MATLAB神经网络工具箱编写代码,分别用BP神经网络和RBF神经网络建立模型,并就各种模型的输入和输出变量、训练算法、网络结构及其它相关参数的选择展开研究。经过大量试算和仿真效果对比,确定了各抗冻性指标的BP网络模型和RBF网络模型的最佳网络结构和相关参数。预测结果表明所建立的人工神经网络模型预测精度高,误差小,能够满足实际的需要。从总体上看,对于普通混凝土抗冻性指标预测采用BP网络模型效果较好,而对于引气混凝土抗冻性指标预测采用RBF网络预测效果更好。由于建立RBF网络编码简单、误差曲线平滑、操作方便,故室内外冻融循环次数等效关系模型采用RBF网络模型较为理想。

全文目录

摘要  5-6
Abstract  6-9
1 绪论  9-19
  1.1 课题研究的意义  9-10
  1.2 混凝土冻融理论概述  10-15
    1.2.1 混凝土冻融机理  10-11
    1.2.2 混凝土冻融试验方法及评价指标  11-13
    1.2.3 混凝土抗冻性影响因素  13-15
  1.3 混凝土抗冻性预测研究概况  15-18
  1.4 本文研究的主要内容  18-19
2 人工神经网络  19-36
  2.1 人工神经网络简介  19-26
    2.1.1 人工神经网络的发展  19
    2.1.2 BP 神经网络  19-23
    2.1.3 RBF 神经网络  23-25
    2.1.4 RBF 网络与BP 网络的比较  25-26
  2.2 神经网络的MATLAB 实现  26-36
    2.2.1 神经网络的设计要点  26-28
    2.2.2 BP 网络设计程序  28-32
    2.2.3 RBF 网络设计程序  32-36
3 普通混凝土抗冻性预测  36-54
  3.1 普通混凝土相对动弹性模量预测  36-42
    3.1.1 BP 网络预测模型  37-41
    3.1.2 网络性能评价  41-42
  3.2 普通混凝土质量损失预测模型  42-48
    3.2.1 BP 网络预测模型  43-45
    3.2.2 RBF 网络预测模型  45-47
    3.2.3 网络性能评价  47-48
  3.3 普通混凝土抗压强度预测  48-52
    3.3.1 BP 网络预测模型  49-51
    3.3.2 RBF 网络预测模型  51-52
    3.3.3 网络性能评价  52
  3.4 神经网络预测普通混凝土抗冻性综合评价  52-54
4 引气混凝土抗冻性预测模型  54-69
  4.1 引气混凝土抗冻性简介  54-55
  4.2 引气混凝土相对动弹性模量预测  55-59
    4.2.1 BP 网络预测模型  56-57
    4.2.2 RBF 网络预测模型  57-58
    4.2.3 网络性能评价  58-59
  4.3 引气混凝土质量损失预测  59-63
    4.3.1 BP 网络预测模型  60-61
    4.3.2 RBF 网络预测模型  61-62
    4.3.3 网络性能评价  62-63
  4.4 引气混凝土立方体抗压强度预测  63-67
    4.4.1 BP 网络预测模型  64-65
    4.4.2 RBF 网络预测模型  65-66
    4.4.3 网络性能评价  66-67
  4.5 神经网络预测引气混凝土抗冻性综合评价  67-69
5 现场环境下混凝土抗冻性预测  69-75
  5.1 室内外混凝土抗冻性的差异  69-70
  5.2 现场环境下混凝土抗冻性预测模型  70-73
    5.2.1 输入输出向量的确定  70-71
    5.2.2 模型的建立过程  71-73
  5.3 混凝土抗冻性预测模型的应用  73-75
    5.3.1 抗冻性预测模型的工作过程  73-74
    5.3.2 抗冻耐久性研究数据库  74-75
结论  75-78
参考文献  78-82
在学研究成果  82-83
致谢  83

基于人工神经网络的混凝土抗冻性预测

内容摘要

全文目录

相似论文