基于Nadam优化器的全连接神经网络在水泥3 d及28 d抗压强度预测中的应用实践.pdf
《基于Nadam优化器的全连接神经网络在水泥3 d及28 d抗压强度预测中的应用实践.pdf》由会员分享,可在线阅读,更多相关《基于Nadam优化器的全连接神经网络在水泥3 d及28 d抗压强度预测中的应用实践.pdf(4页珍藏版)》请在咨信网上搜索。
1、2023.No.8-65-0引言水泥抗压强度值是衡量水泥质量的一个重要指标,也是确定水泥标号的一个主要依据,在实际的生产过程中起到重要的作用,它是一个典型的非线性、多变量、不确定、多时滞的复杂系统。目前,国内外学者对水泥抗压强度预测进行了多方面的研究,崔运美1通过线性回归分析及非线性回归分析建立了1 d抗压强度和28 d抗压强度模型;张大鹏2等通过多元回归分析方法建立28 d抗压强度模型;林远煌3通过使用BP神经网络建立了水泥配料各组分掺入量与28 d抗压强度的模型。由于该系统的非线性、多变量、多时滞等特性,导致传统的预测方法准确性较差,难以在实际生产过程中普遍推广和应用。近些年来一些研究者将
2、人工智能算法应用到了水泥强度预测方面,取得了一定的效果。随着深度学习技术近些年的快速发展,在非线性回归分析中得到了较好的效果,针对以上水泥抗压强度预测存在的问题,本文基于TensorFlow深度学习框架,采用Python编程语言,使用Nadam优化器的全连接神经网络深度学习算法,实现了对水泥3 d抗压强度和28 d抗压强度的预测。1TensorFlow及Keras深度学习框架TensorFlow是Google开源的基于数据流图的机器学习框架,支持Python和C+语言。广泛应用在图像分类、物体检测、模型预测等领域。Keras是基于TensorFlow和Theano的深度学习库,包括由Pytho
3、n编写而成的高级神经网络API,使用Keras可以快速实现对TensorFlow的再次封装,大幅减少纯粹使用TensorFlow实现深度学习的代码量。本 文 中 的 环 境 包 括Anaconda及Pycharm,在Anaconda中配置了Python3.7虚拟环境供Pycharm使用,TensorFlow版本为2.3.0。Pycharm是由JetBrains打造的一款Python IDE,本文采用Pycharm 2020.3,其环境设置见图1。图1Python 虚拟环境2特征参数选取及数据预处理水泥强度的影响因素较多,其主要影响因素有熟料的质量、SO3含量、混合材的掺入量及粉磨细度等。熟料的
4、矿物组成及其结构决定了熟料的质量,对水泥强度的增长起决定性作用,水泥28 d强度基本依赖于C3S的含量,C3S含量高早期强度增长率高,在28 d时已基本发挥出最高强度的绝大部分;C2S主要影响水泥后期强度;C3A主要对1 d、3 d等早期强度影响大;C4AF对水泥强度无较大的影响。因此,合理、稳定的矿物组成是确保水泥强度及其增长率的重要因素。水泥中SO3含量主要来源于石膏,其含量的变基于Nadam优化器的全连接神经网络在水泥3 d及28 d抗压强度预测中的应用实践张宏图(合肥水泥研究设计院有限公司,安徽合肥230051)摘要:本文基于TensorFlow+Keras深度学习框架建立了水泥3 d
5、及28 d抗压强度全连接神经网络数据驱动模型,采用基于Nadam优化器对模型进行训练,与SGD随机梯度下降相比,鲁棒性更好,精度更高。测试数据3 d抗压强度预测相对误差小于7.47%,28 d抗压强度预测相对误差小于3.57%,可满足实际生产需求。关键词:TensorFlow;Keras;Python;水泥强度;Nadam;SGD;sklearn;归一化中图分类号:TQ172.12文献标志码:B文章编号:1002-9877(2023)08-0065-04DOI:10.13739/11-1899/tq.2023.08.021基金项目:安徽省科技重大专项(202203f07020009);安徽省重
6、点研究与开发计划项目(202104a05020054);中国建材集团揭榜挂帅项目(2021YCJS01)-66-2023.No.8化影响硅酸盐水泥的水化,尤其是C3A的早期水化。混合材的掺入量对水泥性能有一定的影响,采用烧失量取代石灰石掺入量作为特征较直观。粉磨细度对水泥各龄期强度有一定的影响,粉磨越细、颗粒级配越窄,水泥水化反应速度越快,强度越高,尤其对早期强度的影响最为显著。样本数据包括某厂12个月759组P O 42.5数据,部分数据见表1。表1样本原始数据序号细度/%标准稠度用水量/%比表面积/(m2/kg)初凝/min终凝/min烧失量/%CaO/%MgO/%SO3/%K2O/%Na
7、2O/%碱含量/%Cl-/%1 d强度/MPa3 d强度/MPa28 d强度/MPa15.227.63512183253.3957.592.372.170.690.200.650.03610.328.245.525.227.33572043113.4657.782.382.260.700.210.670.03411.028.045.035.227.43552273293.7257.322.192.260.650.200.630.03211.0127.245.37598.026.53432122933.1658.342.102.210.630.220.630.02011.227.246.9模型选
8、取细度、比表面积、初凝、终凝、烧失量、CaO、SO3、1 d抗压强度共计8个参数作为输入特征参数,3 d抗压强度及28 d抗压强度分别作为3 d及28 d强度预测神经网络输出特征进行模型辨识。数据预处理主要包括误差处理和数据变换,由于样本数据有不同的工程单位,且在数值上相差很大,直接使用这些未经过数据变换(归一化)的原始数据容易引起计算误差增大和计算的不确定,影响学习速度及精度,为了加快神经网络的学习速度和模型精度,样本数据必须经过归一化处理才能作为训练样本输入。归一化使用sklearn的MinMaxScaler函数进行0,1区间的归一。需要重点说明数据归一化在深度学习中在实践过程中发现十分关
9、键,直接影响模型精度,不可忽视。计算公式如下:Xstd=XX.max0.min0XX(axisaxis=).min0(axis=()XXscaledstd=+(maxminmin)3神经网络模型训练及预测Momentum(动量)算法是计算梯度的指数加权平均数,并利用该值来更新参数值,可有效解决局部最优问题(如鞍点问题)。RMSProp(Root Mean Square Prop)算法是在对梯度进行指数加权平均的基础上,引入平方和平方根,有助于减少抵达最小值路径上的摆动,并允许使用一个更大的学习率,从而加快算法学习速度。Adam是 一 种 可 以 替 代 传 统 随 机 梯 度 下 降过程的一阶
- 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:
- 基于Nadam优化器的全连接神经网络在水泥3 d及28 d抗压强度预测中的应用实践 基于 Nadam 优化 连接 神经网络 水泥 28 抗压强度 预测 中的 应用 实践
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【自信****多点】。
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【自信****多点】,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。