自密實混凝土流動性神經(jīng)網(wǎng)絡預測模型比較研究

劉華良 屈慧瓊 鄧仕軍 雷慧娟

1南華大學城市建設學院（421001）2南華大學核資源工程學院（421001）

自密實混凝土(Self Compacting Concrete，簡稱SCC)組分復雜多樣，各組分之間相互影響、制約，其拌和物的工作性能很難用單因素的回歸關系加以描述,常常是僅僅知道自密實混凝土材料成分、制備工藝和工作性能之間的相關數(shù)據(jù)，但其內(nèi)在規(guī)律尚不清楚。為此，研究人員利用具有高度并行處理，聯(lián)想記憶，良好自適應和自組織能力的人工神經(jīng)網(wǎng)絡(Artificial Neural Network，縮寫ANN)模型對SCC配合比與新拌狀態(tài)下工作性能之間關系進行模擬和函數(shù)逼近，以實驗或?qū)崪y數(shù)據(jù)為基礎，經(jīng)過有限次的迭代計算，根據(jù)系統(tǒng)輸入和輸出找到它們之間的非線性關系，反映實驗或?qū)崪y數(shù)據(jù)內(nèi)在規(guī)律。在自密實混凝土工作性能模擬研究領域，李本強、郭奇等[1-2]探討了自密實混凝土性能預測的神經(jīng)網(wǎng)絡模型，周紹青、劉華良等[3-4]研究了自密實混凝土流動性預測模擬，邵巧希、孫仲健等[5-6]模擬了自密實混凝土間隙通過性。但因為自密實混凝土組分的復雜性和多樣性,選擇不同的神經(jīng)網(wǎng)絡模型和算法，會產(chǎn)生不同的模擬結(jié)果，模型和算法有優(yōu)有劣，這里以自密實混凝土流動性神經(jīng)網(wǎng)絡預測模擬為例來比較分析模型和算法的優(yōu)劣。

1 自密實混凝土流動性試驗數(shù)據(jù)

在本研究中采用的自密實混凝土配置試驗原材料、自密實混凝土配合比、流動性測試試驗方法及試驗結(jié)果數(shù)據(jù)見文獻[4]的“1自密實混凝土流動性試驗”部分。

2 新拌SCC V型漏斗試驗流出時間預測的人工神經(jīng)網(wǎng)絡模型

2.1 訓練樣本的確定

以文獻[4]表1中的粗集料最大粒徑、減水劑用量、砂率和水膠比作為人工神經(jīng)網(wǎng)絡模型的輸入數(shù)據(jù)，以文獻[4]表2中的坍落度、擴展度和時間T500作為輸出數(shù)據(jù)，隨機選取其中8組（試驗次序分別為 2、6、12、13、19、28、33、37）為預測樣本，其余 30組作為訓練樣本。因為數(shù)據(jù)中數(shù)值過大，為了簡化訓練過程，應對數(shù)據(jù)進行歸一標準化處理。

2.2 神經(jīng)網(wǎng)絡類型和訓練算法的選擇

在試驗中應用cascade-forward backprop、Elman backprop、Feed-forward backprop 和 Timedelay backprop四種bp神經(jīng)網(wǎng)絡來訓練和預測V漏斗試驗數(shù)據(jù)，V漏斗試驗神經(jīng)網(wǎng)絡模型見圖1。在訓 練 算 法 上 選 擇 了 TRAINBFG、TRAINBR、TRAINCGB、TRAINCGF、TRAINCGP、TRAINGD、TRAINGDM、TRAINGDA、TRAINGDX、TRAINLM、TRAINOSS、TRAINR、TRAINRP 和 TRAINSCG 共 14種算法。統(tǒng)一設定目標goal=0.001,訓練次數(shù)一般設為10 000次。

圖1 V漏斗試驗神經(jīng)網(wǎng)絡模型

圖2 V漏斗試驗神經(jīng)網(wǎng)絡模型訓練過程圖（部分失敗的訓練算法）

通過神經(jīng)網(wǎng)絡類型和訓練算法組合，建立了56種不同的網(wǎng)絡模型。對此56種模型進行從9-1000個不等的隱含層節(jié)點數(shù)的選擇并訓練，得到V漏斗試驗神經(jīng)網(wǎng)絡模型訓練過程曲線（圖2、圖3），以及神經(jīng)網(wǎng)絡類型、訓練算法的選擇結(jié)果（表1）。

圖3 V漏斗試驗神經(jīng)網(wǎng)絡模型訓練過程圖（部分成功的訓練算法）

通過分析圖2、圖3和表1，發(fā)現(xiàn)如下結(jié)果：

1）cascade-forward backprop、Feed-forward backprop和Time-delay backprop三種bp神經(jīng)網(wǎng)絡能夠進行V型漏斗試驗模擬，而Elman backprop神經(jīng)網(wǎng)絡不能模擬V型漏斗試驗；

2）14 種訓練算法中，TRAINBFG、TRAINGD、TRAINLM、TRAINR四種算法無法模擬V型漏斗試驗（見圖2），其他算法大多能有效模擬V型漏斗試驗，但訓練次數(shù)、隱含層節(jié)點數(shù)、占用CPU、內(nèi)存資源等情況有差異；

3）在V型漏斗試驗模擬中，cascade-forward backprop、Feed-forward backprop兩種神經(jīng)網(wǎng)絡類型比較理想，TRAINCGB、TRAINCGF、TRAINCGP、TRAINGDM、TRAINGDA、TRAINGDX、TRAINOSS、TRAINRP和TRAINSCG 9種訓練算法比較好。

2.3 神經(jīng)網(wǎng)絡類型和訓練算法的比較分析

根據(jù)上述發(fā)現(xiàn),在V型漏斗試驗模擬中選擇cascade-forward backprop（簡稱CFBP神經(jīng)網(wǎng)絡）、Feed-forward backprop（簡稱FFBP神經(jīng)網(wǎng)絡）兩種神 經(jīng) 網(wǎng) 絡 類 型 和 TRAINCGB、TRAINCGF、TRAINCGP、TRAINGDM、TRAINGDA、TRAINGDX、TRAINOSS、TRAINRP和 TRAINSCG 9種訓練算法，共組合成18種模型，統(tǒng)一設定目標goal=0.001，隱含層節(jié)點數(shù)700，訓練次數(shù)一般設為10 000次。以此來對模型和訓練算法進行比較。通過模擬訓練，得到18種模型模擬過程中網(wǎng)絡類型、訓練算法及隱含層結(jié)點關系曲線如圖4所示。

表1 神經(jīng)網(wǎng)絡類型、訓練算法選擇結(jié)果比較表

圖4 模型模擬過程中網(wǎng)絡類型、訓練算法及隱含層節(jié)點關系曲線

分析圖4曲線，可以看出：

1）CFBP神經(jīng)網(wǎng)絡和FFBP神經(jīng)網(wǎng)絡兩種網(wǎng)絡類型在訓練和預測V漏斗試驗中具有比較好的性能；

2）在訓練算法上,TRAINOSS、TRAINRP、TRAINSCG三種訓練算法隱含層節(jié)點區(qū)域分布比較廣，訓練次數(shù)比較少；

3）TRAINCGB、TRAINCGF、 TRAINCGP 三種訓練算法隱含層節(jié)點區(qū)域分布相對較窄，訓練次數(shù)比較少；

4）TRAINGDM、TRAINGDA、TRAINGDX 三 種訓練算法隱含層節(jié)點區(qū)域分布相對較窄，訓練次數(shù)比較多，當節(jié)點數(shù)較小時訓練時間比較長。

2.4 神經(jīng)網(wǎng)絡預測結(jié)果與試驗結(jié)果的比較

采用CFBP和FFBP兩種神經(jīng)網(wǎng)絡類型建立V漏斗試驗預測模型。通過對模型進行訓練和預測，得到V漏斗預測樣本的預測值（表2）。將預測值與文獻[4]中的試驗值進行比較分析，得出兩者絕對差值與誤差值如圖5和圖6，可以看出預測值和目標值相當接近，相對誤差值在可接受的范圍。用以上神經(jīng)網(wǎng)絡模型模擬和預測不同配合比SCC的流動性是切實可行，預測結(jié)果比較準確可信。

表2 V漏斗神經(jīng)網(wǎng)絡預測結(jié)果

圖5 V漏斗試驗值與預測值比較（單位：s）

圖6 V漏斗試驗值與預測值誤差分析

3 結(jié)論

1）CFBP神經(jīng)網(wǎng)絡和FFBP神經(jīng)網(wǎng)絡兩種網(wǎng)絡類型能夠較好地訓練和預測自密實混凝土流動性，應用該模型對自密實混凝土V漏斗流出時間進行預測,其預測結(jié)果與試驗結(jié)果能夠比較準確的吻合，誤差較小。

2）合理選擇神經(jīng)網(wǎng)絡類型和訓練算法能減少訓練次數(shù)和隱含層節(jié)點數(shù)，優(yōu)化神經(jīng)網(wǎng)絡模型。在訓練算法上，TRAINOSS、TRAINRP、TRAINSCG 三種訓練算法隱含層節(jié)點區(qū)域分布較廣，訓練次數(shù)較少；TRAINCGB、TRAINCGF、 TRAINCGP 三種訓練算法隱含層節(jié)點區(qū)域分布相對較窄，訓練次數(shù)較少；TRAINGDM、TRAINGDA、TRAINGDX 三種訓練算法隱含層節(jié)點區(qū)域分布相對較窄,訓練次數(shù)較多，當節(jié)點數(shù)較小時訓練時間較長。

[1]李本強.自密實混凝土性能預測的神經(jīng)網(wǎng)絡模型[J].五邑大學學報(自然科學版),2004,(02)：11～13.

[2]郭奇,李悅.自密實混凝土工作性能和強度的BP神經(jīng)網(wǎng)絡預測[J].國外建材科技,2007,(06)：30～33.

[3]周紹青,石建軍,楊曉鋒,雷林.神經(jīng)網(wǎng)絡在自密實混凝土流動性能中的應用[J].水利與建筑工程學報,2005,(04)：44～47.

[4]劉華良,顧楊圣,石建軍,屈慧瓊,付強.自密實混凝土流動性試驗及其神經(jīng)網(wǎng)絡預測研究[J].混凝土,2010,(05)：10～12+15.

[5]邵巧希,寧嚴慶,石建軍.基于神經(jīng)網(wǎng)絡正交試驗的自密實混凝土間隙通過性研究[J].混凝土,2009,(07)：33～39.

[6]孫仲健.基于GRNN理論的自密實混凝土間隙通過性研究[J].混凝土,2011,(08)：30～33+36.