混凝土抗渗性能预测的广义回归神经网络模型及应用.pdf
《混凝土抗渗性能预测的广义回归神经网络模型及应用.pdf》由会员分享,可在线阅读,更多相关《混凝土抗渗性能预测的广义回归神经网络模型及应用.pdf(4页珍藏版)》请在咨信网上搜索。
1、2 0 1 1 年 第 2 期 (总 第 2 5 6 期 ) Nu mb e r 2 i n 2 0 1 1 ( T o t a l No 2 5 6 ) 混 凝 土 Co n c r e t e 理论研究 THEORET1 CAL RES EARCH d o i : 1 0 3 9 6 9 j i s s n 1 0 0 2 3 5 5 0 2 0 1 1 0 2 0 1 4 混凝士抗渗性能预测的广义回归神经网络模型及应用 赵万里 ( 长春工程学 院 土木学院 ,吉林 长春 1 3 0 0 1 2 ) 摘要: 混凝土抗渗性能影 响其结构 的耐久性 , 通过正交试验数据 , 采用广 义回归神经
2、 分析方 法 , 研究 混凝土的氯离子扩散 系数与混凝 土配合比6 个参数之间的非线性映射关系, 建立了混凝土抗渗性能评估的广义回归网络模型, 该研究成果可以减少混凝土试配次数, 节约 大量 的人力 、 物力和时间, 为高性能混凝土的研究发展奠定 了基础。 结果表明此模 型的可靠度很高 , 可以用于混凝 土渗透性的设计及评估 。 为混凝土抗渗性能的预测提供 了一条新 的途径。 关键词 : 正交试验 ;氯离子扩散 系数 ;广义 回归 神经网络 ;抗渗性能 中图分类号 : T u 5 2 8 O 1 文献标志码 : A 文章编号 : 1 0 0 2 3 5 5 0 ( 2 0 1 1 ) 0 2
3、0 0 4 6 0 3 Gen er a l r e gr e s s i on ne ur al ne t wor k mo del f o r pr edi c t i ng i mper me ab i l i t y o f c onc r e t e ZF o W 一 l i ( C i v il E n g i n e e ri n g C o l l e g e , C h a n g c h u n I n s t i t u t e o f T e c h n o l o g y, C h a n g c h u n 1 3 0 0 1 2 , C h i n a ) Ab
4、s t r a ct: C o n c r e t e p e r me a b i l i t y h a v e a d i r e c t i mp a c t o n i t s d u r a b i l i ty, a n d t h e t r a d i t i o n t e s t c o n s u me l a r g e a mo u n t o f t i me s u r e l y A c c o r d i n g o r - t ho g o n a l t e s t da t a, t h e r e l a t i o n s h i p b e tw
5、e e n t h e c h l o rid e d i ffu s i o n c o e ffi c i e n t a n d s i x p a r a m e t e r s o n t h e i mp e r m e a b l e pe r f o rm a n c e Wa S p r e s e n t e d Ba s e d o n g e n e r a l r e g r e s s i o n n e u r a l n e tw o r k n o n l i n e ar a n a l y s i s me t h o d, a i n t e l l i
6、 g e n t i n f o r ma t i o n a n a l y s i s o f n o n l i n e a r g e n e r a l r e gr e s s i o n n e ur a l n e tw o r k me t h o d, a ll a r t i fi c i a l i n t e l l i g e n c e i n f o r ma t i o n mo d e l f o r p r e d i c t i n g i mp e r me a b i l i ty o f c o n c r e t e wa s e s t a b
7、 l i s h e d Re s u l t i n d i c a t e s t h a t p r o j e c t i o n p u r s u i t r e gre s s i o n mo d e l i s r e l i a b l e e n o u g h t o c o n c r e t e S v i r t u a l d e s i g n I t p r o v i d e s a n e w wa y t o p r e d i c t i mp e rm e a b i l ity o f c o n c r e t e Ke y wo r d s
8、: o r t h o g o n a l t e s t ; c h l o r i d e i o n d i ffu s i o n c o e ffic i e n t ; g e n e r a l r e g r e s s i o n n e ura l n e t wo r k ; i mp e rm e a b i l i ty 0 引言 研究混凝土抗渗性可以科学有效的评价混凝土结构的耐 久性。 合理确定混凝土配合比意义重大 】 。 影响混凝土的抗渗 能力的影响因素有诸如水胶 比、 水泥强度 、 矿物掺合料的用量 以及石子类型等。 目前一般主要通过试配, 在相应的龄期进行相
9、关指标 的检测 , 不断进行调整和试配来获得所需的混凝土性能 , 这样耗费了大量人力、 物力和财力 。 近年来, 随着科学技术和 计算机的应用发展 , 人工神经网络理论得到了飞速发展 , 在 自 然科学各个学科都得到了广泛应用 1 - , 如混凝土配合比的设 计、 钢筋腐蚀量的预测、 强度的预测 、 坍落度的预测、 混凝土外 掺料的掺量问题等, 为混凝土抗渗能力的研究提供了有力的支 持。 但是传统 B P神经网络在计算时容易陷入局部最小, 且很难 得到稳定的结果 , 模型参数确定困难。 广义回归神经网络 G R N N ( g e n e r a l i z e d r e g r e s s
10、 i o n n e u r a l n e t wo r k ) 是一种局部 逼近网络 , 模 型的建立具有明确的理论基础 , G R NN不同于传统的神经网 络, 它仅需要一个简单的平滑参数, 不必进行循环的训练过程, 在训练过程中不调整神经元之间的连接权值, 网络稳健 , 计算 速率快。 优点是学习速度快, 网络最后收敛于样本量集聚最多的 优化 回归面 , 一旦 学习样本 确定 , 则相应 的网络结 构和神经元 之间的连接权值也随之确定, 网络训练过程实际上只是确定平 滑参数的过程, 并且在样本数据较稀少时 , 效果也很好 , 网络可 以处理不稳定的数据。 人为调节的参数少 , 只有一个
11、阈值, 网络 收稿 日期 :2 0 1 0 - 0 9 2 8 4 6 的学习全部依赖数据样本。 这个特点决定了网络得以最大限度 地避免人为主观假定对预测结果的影响。 本 研究将广义 回归神经 网络 理论引入到混 凝土抗渗性 研 究 中, 以探讨一种混凝土渗透性研究的新方法 。 分析各个因素对 混凝土抗渗性的影响。 采用本研究利用 GR N N在逼近能力分类 能力和学习速度方面具有较强的优势, 该网络最后收敛于样本 量积聚最多的优化回归面并且在数据缺乏时效果也较好网络 可以处理不稳定的数据, 因此采用 G R N N建立了混凝土抗渗性 预测模型且 利用历史统计数 据对混凝 土抗 渗性进行 预测
12、 提出 的方法, 节约大量的人力、 物力和时间, 为高性能混凝土的研究 发展奠定基础 。 1 GRNN 的 网络 结构 1 1 GRNN 理 论基 础 广义回归神经网络的理论基础是非线性回归分析 , 非独立 变量 Y相对于独立变量 的回归分析实际上计算具有最大概 率值的Y 。 设随机变量 和随机变量 Y的联合概率密度函数为 ,Y ) , 已知 的观测值: = E( y x ) = J) , ) d y r f X , ) d y p 即为在输入为 的条件下, l , 的预测输出【 J2 】 。应用 P a r z e n 学兔兔 w w w .x u e t u t u .c o m 非参数估
13、计, 可由样本数据集 1 , 估计密度函数厂 ( , y ) 。 f (X ,y = 耋 唧 卜 H一 1) (2 ) 式 中: , y 变量 和 Y的样本观测值 ; n 样本容量 ; P 随机变量 的维数 ; 高斯函数的宽度 系数 , 在此称为光 滑因子。 用 广 ( ,y ) f f c x ,) , ) 代人式( 1 ) , 并交换部分积分与加和 顺序 : 、耋 f ( x 、_ 一 i ! 一一 为 n 唧 卜 1 f * ( Y Y ) 1 , f J p 一 i 厂 d v 由于 J 。 e d z = 0 , 对两个积分进行可得网 络的输 ( ) ( ) = ( X X, ) (
14、 ) 2 0 - J 耋 唧 ( 4 ) 估计值 ( ) 为所有样本观测值 y 的加权平均, 每个观测 值 l , 的权 重因子为相应 的样本 与 之间 E u c l i d 距离平方 的 指数 。 当光滑 因子 非常大的时候 , ( ) 近似于所有样本 因变 量 的均值。 相反 , 当光滑因子 趋于 0的时候 , y ( ) 和训练样本 非 常接 近 , 当需要 预测 的点被训 练样本集 中时 , 公式求 的 困 变量 的预测值 会和样本 中对应 的因变量 非常接近 , 而且 一旦碰 到样本 中未能包 含进去 的点 , 有 可能预测效 果会非常 差 , 这种 现象说明网络的泛化能力差。 当
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 混凝土 性能 预测 广义 回归 神经网络 模型 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【gr****et】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【gr****et】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。