遗传神经网络在粉煤灰混凝土强度预测和配合比设计中的应用

遗传神经网络在粉煤灰混凝土强度预测和配合比设计中的应用

赵胜利[1]2002年在《遗传神经网络在粉煤灰混凝土强度预测和配合比设计中的应用》文中指出遗传算法是一种简单,通用,鲁棒性强的概率搜索算法。与传统的优化方法相比,它采用了许多独特的方法和技术,并且易于和别的技术(如神经网络,模糊推理)相融合,从而应用范围非常广泛。 粉煤灰混凝土28天强度预测和配合比优化设计在实际工程生产中具有十分重要的意义。粉煤灰混凝土强度预测是一个典型的多变量,非线性系统。现在预测的方法准确性较差,难以在实际中被普遍推广应用。本文将遗传算法与神经网络相结合,综合利用二者的优点,进行粉煤灰混凝土强度的建模与预测,并在此基础上提出了一种配合比设计方法。实验表明,此种算法是高效可行的。综合利用上述方法建立的粉煤灰混凝土强度预测模型和配合比设计模型,具有操作简便,预测精度高,适应性强等特点。

苏青松[2]2005年在《绿色高性能混凝土的试验研究及其预测的神经网络方法》文中研究表明绿色高性能混凝土(GHPC)是近年发展起来的一种绿色、环保、符合我国可持续发展战略的新型建筑材料。本文依据几种矿物细掺料的强度“迭加效应”理论,运用正交试验手段,对影响新拌混凝土工作性与硬化混凝土力学性能的几种因素进行了研究,确定了几种矿物细掺料的最佳掺加比例,给出了C80绿色高性能混凝土的推荐配合比。SPSS是较为流行的统计学软件包,本文利用其中的多元线性分析模块,对影响混凝土性能的5个因素进行了分析,并给出了基于水胶比与硅灰掺量的混凝土28d抗压强度多元线性回归方程。 人工神经网络(ANN)是近年发展起来的一门十分活跃的交叉学科,它具有分布并行处理、非线性映射、自适应学习和鲁棒容错等特性。但其中应用最为广泛的BP算法本质是沿梯度下降的搜索算法,因而不可避免具有对初始权重敏感,容易陷入局部极小值的缺点。本文采用具有全局搜索,免于陷入局部极小,鲁棒性强、以及高度并行性的遗传算法对BP神经网络进行优化,发挥各自特长,用以解决GHPC 28d抗压强度的预测问题,取得了较好的效果。

蒋卫东[3]2008年在《宁夏盐渍地区抗腐蚀混凝土耐久性研究》文中研究说明宁夏盐渍地区环境水中矿化度很高,含有多种腐蚀离子,其中,以SO41--离子尤为突出,大部分地区的环境水中SO42-离子含量超标。其含量通常在1000mg/L以上,部分地区SO42-离子含量甚至超过了4000mg/L,达到4911mg/L。按照《混凝土耐久性设计与施工指南》,当地的多数地区环境应划分为“非常严重腐蚀”,部分地区则为“极端严重腐蚀”。腐蚀离子对当地的混凝土工程造成了严重的破坏,给社会的经济和环境都造成不良影响。根据宁夏地区环境水对混凝土的破坏模式及原因分析,确定混凝土破坏的主要因素。为了研制一种价格较为低廉,耐腐蚀性能指标较为优越的混凝土配比,同时充分利用当地粉煤灰资源,本文采用Ⅰ级粉煤灰和高效减水剂双掺的方法来进行混凝土抗腐蚀研究。这种双掺混凝土在工程中的大规模使用,不仅能大大降低工程成本,提高工程质量,还可以充分利用粉煤灰这一工业废物,达到保护生态环境、经济循环发展的目的。为突破传统对大掺量粉煤灰的使用限制,在实验室配制不同浓度腐蚀溶液对基准混凝土和粉煤灰掺量分别为30%、40%、50%、60%的双掺混凝土进行9个月的浸泡腐蚀,通过不同浸泡时间、不同腐蚀浓度的多指标对其抗腐蚀性能进行评价分析。并且在宁夏现场用当地材料进行了对比试验,使试验结果更加贴近实际,进而判断不同产地材料对试验的影响。混凝土在恶劣环境下的耐久性指标除了耐腐蚀性能之外,还有其他重要的影响因素,为了充分考虑这些因素的影响,以便确定最优混凝土配合比,在实验室对双掺混凝土进行人工加速碳化试验、抗渗试验、抗冻融试验以及抗裂试验来研究双掺混凝土在这些耐久性方面的性能,其中,在宁夏现场也同时进行了抗渗试验和抗冻融试验,以便对比。通过这些试验来确定粉煤灰掺量对混凝土耐久性多方面性能的影响,试验证明:双掺粉煤灰和高效减水剂可以有效的改善混凝土的抗SO42-腐蚀性能,且随粉煤灰掺量的增加抗腐蚀性能提高;当粉煤灰掺量在中值40%时,其抗渗性能最好;双掺混凝土的抗碳化性能随着粉煤灰掺量的增加而减弱,但是,除粉煤灰掺量为60%的双掺混凝土以外,其他双掺混凝土在考虑碳化影响后也能满足50a的使用要求;同时,在不掺引气剂的情况下,粉煤灰取代水泥量为30%时,其抗冻性能与基准混凝土相当;在掺引气剂的情况下,粉煤灰取代水泥的量可达40%,推荐含气量为4.7%。最后,通过抗裂对比试验,分析了采用减缩剂控制双掺混凝土裂缝开展的可行性,为减少双掺混凝土早期收缩裂缝的产生提供了一些思路。由于混凝土的各种耐久性试验的试验周期都较长,试验组别较多,试验数据繁多,各组自变量-因变量之间的关系错综复杂,为了获得这些大样本数据之间隐含的客观规律,除了对数据进行了常规的数理统计分析之外,还必须找出一种更加有效的数学算法,通过建立模型,较为准确的描述双掺混凝土耐久性各组自变量-因变量的隐含关系,以便进行复杂系统的指标参数预测研究。因此,根据研究问题的性质,本文首先运用非线性回归方法对抗腐蚀试验数据建立了双掺混凝土的无损检测强度回归方程,并对双掺混凝土进行了碳化深度公式修正。然后,结合人工神经网络强大的非线性映射特点以及遗传算法的全局优化性能,通过两种算法的耦合,建立了适用于本课题的遗传神经网络模型。利用编制的程序分析了各种环境对双掺混凝土的强度的影响,并对双掺混凝土的强度进行了分析和预测,效果良好。这两种数学处理手段为今后宁夏盐渍地区以及这个西北类似地域下的双掺混凝土工程的健康检测与损伤评估提供了分析基础和科学依据,有较大参考价值。本文研究表明,在宁夏盐渍地区应用双掺混凝土技术解决混凝土腐蚀问题是可行的。综合混凝土耐久性诸方面性能,在该地区工程混凝土配比常用减水率范围内,推荐粉煤灰的掺量为40%,含气量4.7%为引气剂掺量控制指标,对环境水侵蚀严重结构部位的混凝土,还建议另加减缩剂减少双掺混凝土早期收缩裂缝。在采取以上措施后,宁夏盐渍地区抗腐蚀混凝土耐久性可得到保证。

陈斌[4]2005年在《混凝土配合比优化及结构早期裂缝防治研究》文中研究说明混凝土结构在硬化早期产生的各类缺陷,包括裂缝、裂纹、裂隙等,是导致工程耐久性破坏的主要内在诱因之一。以最低的综合施工成本,生产出符合设计要求的混凝土,并通过有效的施工、养护等控制措施,减少乃至避免结构早期裂缝的产生,从而提高工程耐久性,降低维护成本,延长使用寿命,既能提高混凝土建、构筑物的适用性,也有利于节约能源和减少污染,具有重要的理论与现实意义。 本文首先从总体上对混凝土工程的耐久性评估,收缩变形导致的应力应变计算,以及施工、养护措施对早期裂缝的影响等问题进行理论探讨,从中找出影响早期裂缝产生的主要因素,作为配合比优化的限制性依据。在此基础上,再考虑混凝土不同龄期强度、和易性等其它要求,结合非线形多元回归、人工神经网络等预测技术,探讨采用不同方法,包括单纯形法、复形调优法、Monte-Carlo法和遗传算法等,进行配合比优化的可行性,最终建立混凝土配合比的多目标优化模型,并通过工程实例进行验证。 以上述配合比优化模型为基础,采用面向对象的程序设计语言Visual C++6.0,开发出配合比优化设计专家系统。 作为防止混凝土早期裂缝产生的特殊措施,本文对采用掺MgO补偿收缩混凝土、后张预应力法防裂技术也作了一定的研究,得出一些有用的结论。

潘昊[5]2006年在《智能方法在水泥性能分析中的应用研究》文中研究说明水泥材料不但大量应用于工业与民用建筑,还广泛应用于交通、城市市政建设、农村水利以及海洋工程。水泥材料作为重要的原材料之一,一直受到人们的重视。根据预测,从本世纪以至更长时间,水泥以及其他胶凝材料制品仍然是主要的建筑材料。随着材料科学的发展,人们对水泥材料的认识正在发生新的深刻的变化。这种变化的特点和趋势是:1.对水泥材料本身的认识方面正在逐渐深化,从宏观到微观并逐渐揭示其性能与内部结构的关系,从而为发展新品种,扩大应用领域提供理论基础;2.对水泥材料生产过程的规律和水化、硬化过程的规律,人们的认识正在从经验上升到理论,从现象到本质,从而为有效地控制水泥材料与制品的生产过程以及采用新工艺、新技术提供理论基础。要想正确反应水泥水化过程中诸多复杂因素与水泥的性能,需要大量的试验与数据分析,目前国内外的研究技术多集中在试验、数学模型分析以及用神经网络做数据预测等方面。很显然,试验的方法需要花费很大的人力、物力,数学模型分析方法主要是依据实验数据及经验建立相应的数学模型,再进行分析,误差存在是难以避免的。而人工神经网络是一种智能信息处理技术,力图模拟人类处理问题的方式去理解和利用信息。神经网络控制可通过对网络结构及权值处理的自动调整而实现非生物神经网络系统的部分功能,能处理高维数、强干扰难建模的复杂工业过程。因此为模拟复杂条件下的水泥水化、硬化过程提供了另一种可行的方法。但是,神经网络的应用中存在的主要问题是学习中不具备全局搜索能力、易陷入局部极小。而遗传算法是借鉴生物界自然选择和自然遗传机制的随机搜索算法,这种全局搜索能力可以优化神经网络的结构和学习规则。因此,将神经网络与遗传算法融合可有效提高神经网络的学习能力。但传统的BP-GA存在迭代次数多的缺陷。因此,本文提出一种改进的BP-GA融合算法,以解决传统BP-GA算法收敛速度慢的问题。提高了网络的学习性能,有效拓宽应用领域。每一种算法都有它的应用局限性,本文研究的另一种算法是粒子群优化算法。它是基于群体智能理论的优化算法,是一种种群的全局搜索策略。它是通过群体中粒子间的合作与竞争产生的群体智能指导优化搜索。因此,将神经网络与粒子群算法融合也可有效克服神经网络学习的可靠性低的问题。但传统BP-PSO算法一般只训练网络的权值和阈值,存在冗余度高、收敛速度慢的缺陷。因此,本文采用一种动态惯性因子并精简网络结构的改进BP-PSO算法,有效解决这些问题。本论文拟用计算机智能分析方法,其中主要是神经网络、遗传算法、粒子群算法等一系列改进优化算法加以融合,建立神经网络学习的模型,在分析大量水泥水化、硬化过程的实验数据的基础上,综合考虑诸多复杂影响因素,得出水泥材料组分、细度、外加剂与性能(力学性能、强度、凝结时间、标准稠度需水量)之间的关系,并进行仿真输出,为高性能水泥的制备寻求一条有效的决策依据。

左江波[6]2012年在《基于人工神经网络的粉煤灰混凝土氯离子扩散系数预测》文中研究表明氯离子侵蚀是影响沿海地区混凝土耐久性的主要因素之一,氯离子侵入混凝土内部造成钢筋脱钝并发生锈蚀。随着锈蚀的增加,锈蚀产物体积发生膨胀从而导致混凝土保护层胀裂或剥落,造成钢筋混凝土结构发生破坏,缩短混凝土结构工作寿命。粉煤灰作为改善混凝土耐久性的一种有效矿物掺合料,因此国内外的学者、专家进行了大量的理论和实验方面的研究,随着研究的不断深入,粉煤灰正广泛应用于混凝土工程中。本文在前人研究的基础上,参考了粉煤灰混凝土(fly-ash content concrete,简称FCC)配合比的设计,配制出不同水胶比和不同粉煤灰掺量的混凝土,通过实验分析和比较得出不同水胶比和粉煤灰掺量对混凝土的工作性、强度、氯离子扩散系数的影响规律,并对其耐久性进行了评价。结合大量的工程实验及检测数据,运用MATLAB7.0中的神经网络工具箱函数,就网络结构,传递函数(激励函数),学习函数,学习算法和其他参数的选择展开研究,建立了粉煤灰混凝土氯离子扩散系数多层前向型神经网络(BP)预测模型,通过大量训练及仿真结果对比,发现网络的预测平均误差在8.3%左右,误差较小,但精度有待进一步提高。在人工神经网络模型基础上,将模糊理论应用到人工神经网络中,结合两者的优点建立自适应模糊神经网络模型(ANFIS),并利用训练数据对模型进行了训练,最终利用测试数据对模型的拟合和预测能力进行了验证,结果表明,该模型预测精度较高,平均误差为7.04%,满足工程应用的需要,从而为耐久性混凝土的配合比设计和混凝土检测提供依据。

胡鑫[7]2014年在《基于人工神经网络的HPC强度预测》文中进行了进一步梳理混凝土强度是衡量混凝土性能的重要指标之一,发展合理精确的混凝土强度预测技术能够节约时间及成本,对工程实际具有重大意义。然而高性能混凝土(HPC)中由于矿物掺合料和外加剂的广泛应用,其组成和性能之间的关系日益复杂,使其强度的预测成为一个典型的多变量、非线性系统。采用传统的预测方法准确性较低,难以在实际中被普遍推广应用。因此,迫切需要用新思维、新方法和新技术来探索混凝土规律、预测高性能混凝土强度在实际工程生产中就具有十分重要的意义。为解决传统预测方法的不足,近年来以人工神经网络为代表的人工智能技术得到了越来越多的重视,在混凝土强度预测中取得了较为理想的效果。故本文通过建立起HPC的组成材料与其强度之间的直接映射关系,建立了不同人工神经网络预测模型对HPC强度进行预测,研究结果表明利用神经网络模型进行高性能混凝土的强度预测是实用可行的,本文所提出的几种预测模型均得到了较好的预测效果。对于叁种单一神经网络预测模型而言,BP神经网络和RBF神经网络的预测精度均优于GRNN神经网络,而RBF神经网络的预测结果与实际强度最为接近。另外,本文所提出的一种基于RBF-BP复合神经网络的预测模型应用于HPC的强度预测中也是行之有效的。与叁种单一神经网络预测模型的预测结果相比,复合神经网络模型具有更高的预测精度。本文最终提出一种PSO-RBF神经网络非线性组合预测模型,其预测效果既优于任何一种单项预测模型,也优于线性组合预测模型。它充分利用了各单项预测模型的有效信息,实现了对各单项预测模型的有效组合,同时克服了线性组合预测模型的缺陷。

谭庆双[8]2014年在《基于SVR的混凝土/水泥的配合比对其抗压强度影响规律的研究》文中提出在建筑安全越来越受到重视的今天,混凝土/水泥作为一种广泛运用的建筑材料备受人们关注。如何提高混凝土/水泥材料的抗压强度,是人们在利用混凝土/水泥作为建筑材料时所面临的最主要的问题之一。在众多的建筑材料中,由于混凝土/水泥的抗压强度大小对建筑安全极为重要,受到了学者们的极大重视和广泛研究。尽管混凝土/水泥的制备技术早已经在工业上被广泛应用,并实现了大规模工业化生产,但混凝土/水泥在使用上仍面临着许多缺点和不足,需要不断的研究和改善。如何在保障混凝土/水泥的足够的抗压强度下,有效提高混凝土/水泥使用的经济效益显得尤为重要。对混凝土/水泥的配比进行准确建模和优化是一种很最要的方法,因为混凝土/水泥的材料配比与其抗压强度有着很紧密的联系。如果没有一种可行的方法进行指导,则需要大量的人力、物力、财力,进行大量的实验来寻找合适的材料配比。因此,如何合理的进行实验设计,以及有效的分析实验数据、减小实验成本成为了不可回避的科学技术问题。本论文提出,利用支持向量回归理论,结合粒子群寻优技术,对混凝土/水泥的抗压强度受材料配比的影响进行了建模分析研究,主要工作如下:(1)根据实验数据集,利用支持向量回归原理对由水,粗骨料,水泥组成的普通混凝土的抗压强度进行了建模与预测分析研究。结果显示,支持向量回归在普通混凝土材料配合比与其抗压强度建模能力优于空间自相关模型;根据所建SVR模型,获得了材料最优配合比,利用格点描点揭示了材料配合比对普通混凝土抗压强度的交互影响规律。(2)利用支持向量回归原理对影响碳纤维混凝土抗压强度的组分(水泥,硅灰,水,减水剂,砂子,石子,碳纤维)进行了建模与预测研究。结果表明,支持向量回归能够有效处理小样本数据的回归问题,其建模与预测能力均优于传统的多元非线性回归方法。利用所建SVR模型,预测了材料配比变化对碳纤维混凝土抗压强度的影响规律。(3)将水胶比(W/B)、含水量(W)、细集料率(s/a)、粉煤灰替代率(FA)和引气剂含量(AE)作为影响抗压强度的影响因素,对粉煤灰混凝土的抗压强度进行了支持向量回归与预测研究。结果显示,针对相同的训练与测试数据集,支持向量回归模型的预测结果明显优于遗传算法模型的计算结果。根据已建SVR模型,从理论上发现在最优配比时,粉煤灰混凝土的抗压强度的理论最大值112.比实验中得到的最大值75MPa提高了50.25%。(4)基于氯氧镁水泥抗压强度的影响因素(粉煤灰,氧化镁,水,氯化镁,锯末,硫酸铁和磷酸)和相关实验数据,利用支持向量回归方法对氯氧镁水泥的抗压强度进行了建模与预测分析,并与基于ANN的预测结果进行了比较。结果表明,SVR的训练及预测能力优于ANN。应用所建SVR模型,发现在最优水泥组分配比时,其抗压强度将可比实验发现的最大值提高4.86%。另外,还应用所建SVR模型,预测了各组成配料量变对氯氧镁水泥的抗压强度的交互影响作用与规律。(5)应用所建SVR模型,计算并揭示了混凝土/水泥抗压强度对各影响因素的灵敏度。结果表明SVR可准确、有效地用于混凝土/水泥的抗压强度的建模与预测分析研究,其定量揭示了复杂的多变量因素对于混凝土/水泥的抗压强度影响规律可为建筑工程实际提供科学的指导,为人们寻求混凝土/水泥材料的最优配比、有效提高混凝土/水泥的抗压强度提供理论依据,从而节约时间和实验成本,减少工程操作的盲目性。在提高建筑设施的抗压抗震性能、降低工程风险、减少工程成本、保障人民生命财产安全方面具有重要的实际意义。

曹兴龙[9]2015年在《绿色高性能混凝土配合比设计与性能预测》文中研究说明目前世界各国纷纷倡导“绿色、低碳、环保”,但是随着我国城市化进程的不断加快,大量混凝土结构的基础设施仍然是经济发展不可或缺的部分。为了解决经济发展、环境污染、资源紧缺、能源浪费的突出问题,作为混凝土发展方向的绿色高性能混凝土,可以有效缓解上述难题。尽管高性能混凝土已经在许多大型工程中使用,但与环境保护、生态保护和可持续发展联系起来的绿色高性能混凝土,还需要进一步研究。绿色高性能混凝土配合比的研究重点是将混凝土的原材料与性能完美结合的基础上,既要同时满足工作性、功能性和耐久性要求又要做到经济合理、节约成本,因此配合比设计成为了一项复杂的系统工程。针对上述问题,本文进行了如下研究:(1)研究了绿色高性能混凝土原材料的质量以及相关参数与混凝土性能的关系,为混凝土配合比设计提供了理论基础;(2)在掌握原材料与混凝土性能的规律的基础上,以绿色高性能混凝土的定义为参考,确定了高性能混凝土配合比设计的基本原则;(3)利用直接搜索算法解决非线性规划问题能力强的优点,以工程实际配合比为计算背景,混凝土造价为目标函数,原材料用量和配合比参数为约束条件,进行了配合比优化设计。设计结果表明,在保证基本性能不变的情况下,工程实际配合比有很大的优化空间。(4)充分发挥BP神经网络处理非线性问题能力强、收敛速度快、预测精度高的优点,以既有混凝土配合比和性能参数为训练样本,对混凝土强度、电通量和坍落度进行预测,并以实验室试配混凝土性能数据作为验证,结果表明,该配合比下的混凝土不仅满足功能性、工作性以及耐久性要求,而且大幅节约原材料成本,可以满足绿色高性能混凝土的性能要求。

管学茂[10]2005年在《水泥基材料在氯盐环境中的服役行为及机理研究》文中研究表明钢筋锈蚀、冻融破坏和侵蚀环境的物理化学作用是导致混凝土失效的主要原因,其中钢筋锈蚀是第一位;而氯离子是引起混凝土中钢筋锈蚀的重要原因,深入研究水泥基材料在氯盐环境中的服役行为及机理,掌握氯离子在水泥基材料中的渗透扩散和固化规律,对于指导混凝土材料的优化设计,提高混凝土的耐久性有重要意义。 本文采用电化学方法、SEM-EDS分析和压汞法系统的研究高性能水泥基材料在氯盐+应力、氯盐+冻融和氯盐+应力+冻融等多因素协同作用下的氯离子渗透性能和钢筋锈蚀及其机理;运用灰色理论、化学分析、微观测试等理论和方法系统深入的研究水泥基材料固化外渗氯离子的性能及机理,论文重点研究了水泥的矿物组成、矿物外加剂的种类和掺量、服役环境与固化氯离子的性能关系及其机理;论文还运用人工神经网络技术建立预测水泥基材料的氯离子渗透和固化性能模型。 论文通过对混凝土的氯离子渗透性能和孔结构进行深入研究表明,煤矸石、粉煤灰等矿物外加剂能够提高水泥基材料抗渗性,降低氯离子渗透扩散速度,且随着水化龄期的延长它们提高水泥基材料抗渗性的效果更加显着,其中煤矸石改善水泥基材料的孔结构,降低渗透性效果好于粉煤灰。水泥基材料在多因素协同作用下,氯离子的渗透速率提高,渗透深度加大,多因素协同作用对提高水泥基材料氯离子渗透性的作用大小依次是氯盐+冻融+应力>氯盐+冻融>氯盐+应力>氯盐。水泥基材料界面区的氯元素分布测试表明,掺入煤矸石的水泥基材料在骨料与浆体界面区氯元素的含量少,没有氯元素富集现象;掺粉煤灰的水泥基材料在界面区氯元素含量较多;硅酸盐混凝土界面区氯离子的含量最大,有氯离子富集现象。 运用灰色理论分析水泥矿物与其固化氯离子能力的关联度,研究表明水泥固化氯离子的能力与各矿物组成的关联度从大到小依次是C_3A、C_3S、C_4AF和C_2S;论文建立了矿物外加剂固化氯离子的效应评价方法与指标体系,能够定量的反映出水泥和矿物外加剂各自的贡献大小,指导材料组成优化设计;煤矸石能够提高

参考文献:

[1]. 遗传神经网络在粉煤灰混凝土强度预测和配合比设计中的应用[D]. 赵胜利. 河北农业大学. 2002

[2]. 绿色高性能混凝土的试验研究及其预测的神经网络方法[D]. 苏青松. 西北工业大学. 2005

[3]. 宁夏盐渍地区抗腐蚀混凝土耐久性研究[D]. 蒋卫东. 东北大学. 2008

[4]. 混凝土配合比优化及结构早期裂缝防治研究[D]. 陈斌. 浙江大学. 2005

[5]. 智能方法在水泥性能分析中的应用研究[D]. 潘昊. 武汉理工大学. 2006

[6]. 基于人工神经网络的粉煤灰混凝土氯离子扩散系数预测[D]. 左江波. 南华大学. 2012

[7]. 基于人工神经网络的HPC强度预测[D]. 胡鑫. 湖南大学. 2014

[8]. 基于SVR的混凝土/水泥的配合比对其抗压强度影响规律的研究[D]. 谭庆双. 重庆大学. 2014

[9]. 绿色高性能混凝土配合比设计与性能预测[D]. 曹兴龙. 兰州交通大学. 2015

[10]. 水泥基材料在氯盐环境中的服役行为及机理研究[D]. 管学茂. 中国建筑材料科学研究院. 2005

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  

遗传神经网络在粉煤灰混凝土强度预测和配合比设计中的应用
下载Doc文档

猜你喜欢