中核西北建设集团有限公司
摘要：混凝土抗压强度是保证混凝土工程质量最重要的检验指标，然而混凝土抗压强度的检验评定通常是在浇筑后28d进行的，即使试验结果不能满足规定强度，混凝土强度也不能提高。因此混凝土抗压强度早期预测具有重要研究意义。本文应用神经网络技术建立了混凝土强度预测模型，并将预测结果与实验室测试结果进行对比较。研究表明：神经网络在预测混凝土的抗压强度方面有较高的精确度，将该技术应用于混凝土配合比设计，有助于保证混凝土工程质量。
关键词：混凝土；神经网络；抗压强度；预测模型；
1.引言
迄今为止，钢筋混凝土结构是土木工程领域应用最多的结构形式之一。而混凝土强度是影响混凝土结构可靠性的重要因素 [1]。混凝土诸多材料性能如弹性模量、水密性、抗渗性、抗风化性等都与其强度直接相关。混凝土强度包括抗压强度、抗拉强度、抗弯强度、抗剪强度等。因为混凝土的抗压强度通常比其他类型的强度要高出很多倍，所以钢筋混凝土结构主要为了利用混凝土的抗压强度。综上，我们通常将混凝土抗压强度作为混凝土强度的综合指标。
一般来说，混凝土抗压强度是对混凝土试件进行28d标准养护后，通过测试获得的。但混凝土强度的测试过程非常复杂且费时。即使试验结果不能满足规定强度，混凝土强度也不能提高。因此，混凝土抗压强度早期预测具有重要研究意义。传统的Bolomey公式经验仅考虑了水泥强度以及水胶比这两个影响因素，预测结果离散性大，精度不高。人工神经网络是以人类神经活动为基础而发展起来的一项新颖的计算手段，由于神经网络不需要特定形式的方程且具有通过学习最佳逼近非线性映射的能力，故神经网络可用以构建混凝土抗压强度预测模型。
2.神经网络工作原理
本文选用三层BP神经网络建立混凝土强度预报模型。BP神经网络又称为误差反向传播神经网络，它是一种前向型神经网络。在BP网络中，信号是前向传播的，而误差是反向传播的。其主要思想将输出层出现的与期望值不符的误差，归结为各层各个节点权值和阈值的“过错”，通过把输出层误差逐层向输入层反向传递，把误差“分摊”到各个节点，计算各节点的参考误差，由此调整权值和阈值，直至达到训练的性能目标为止。
图二
3.BP神经网络模型建立
为了构建合适的BP神经网络去预测混凝土的抗压强度，本文收集文献[2]中81组实验数据。本文选用：复合胶凝胶砂强度、胶凝材料用量、水胶比、用水量、中砂用量、石子用量这6个影响因素作为神经网络输入神经元。实验数据统计特性如表1所示。选用28d混凝土抗压强度作为神经网络输出神经元。
为了提高神经网络的训练效率，对输入的样本数据和目标数据做了归一化处理，将它们化为[0.1，0.9]之间的数据。归一化公式为：
（6）
隐藏层的神经元个数决定网络优越性，为优化隐含层神经元个数，初选隐层神经元个数范围为10-20之间。使用上述数据构建了11个三层BP神经网络，隐含层使用tan-sigmoid激活函数，输出层采用的purelin激活函数。迭代次数选为10000次，最小梯度选为1×103，以上任意一条件满足即可停止训练。在每一个神经网络中将实验数据分为三组：60%的训练数据，20%的检验数据，20%测试数据。选用均方误差(ESM)和回归值R作为最优神经网络评选标准。均方误差（ESM）越小，回归值R越大则代表神经网络预测性能越好。不同隐含层神经元个数的均方误差（ESM）及回归值R结果如图3，图4所示，由图可知：隐含层含有16个神经元的神经网络N16-Tansig性能最好。故选择N16-Tansig的网络作为预测混凝土强度的模型。N16-Tansig网络的预测值与实测值比较结果如图6所示。若预测结果与实验结果完全一致，所有的点都将沿着图中的45°线排列。从图6可以观察到神经网络预测结果误差在左右，离散型较小。故神经网络在混凝土强度预测方面具有相当好的性能。
图5 预测值与试验值对比（单位：Mpa）
4.结论
（1）预测结果与实测结果的相对误差绝对值都在15%左右，表明BP人工神经网络可以有效解决复杂的非线性关系, 对混凝土强度在多种因素影响下的变化能够做出准确的预测。
（2）基于神经网络技术的混凝土抗压强度预测模型可用于确定混凝土配合比的有效性。该方法有助于提高混凝土工程质量。
（3）影响混凝土强度的因素众多，其他一些重要因素如固化条件、输送距离、搅拌条件等在本模型中并未考虑，因而在一定程度上不能彻底反应问题本质，若要需要构建考虑更加全面的神经网络模型还需收集相关数据。
参考文献
[1]GB/T 50107-2010, 混凝土强度检验评定标准[S].
[2]陈定祥,冯为民,朱稚石.复合胶凝材料配制混凝土技术[J].混凝土,2000(10):21-26+38.
[3]李悦,郭伟,杨进波.基于BP神经网络的硬化混凝土水胶比预测[J].混凝土,2015(08):1-4.
[4]肖建庄,许向东,范玉辉.再生混凝土收缩徐变试验及徐变神经网络预测[J].建筑材料学报,2013,16(05):752-757.
[5]陈定祥,冯为民,朱稚石.复合胶凝材料配制混凝土技术[J].混凝土,2000(10):21-26+38.
论文作者:王乐亭
论文发表刊物:《建筑学研究前沿》2018年第9期
论文发表时间:2018/8/24
标签：混凝土论文; 神经网络论文; 抗压强度论文; 强度论文; 误差论文; 神经元论文; 模型论文; 《建筑学研究前沿》2018年第9期论文;