摘 要:神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元連接方式的計(jì)算模型,可以通過學(xué)習(xí)樣本數(shù)據(jù),自動(dòng)識(shí)別和預(yù)測(cè)未知數(shù)據(jù)。在混凝土配合比設(shè)計(jì)中,神經(jīng)網(wǎng)絡(luò)可以通過學(xué)習(xí)歷史數(shù)據(jù),自動(dòng)優(yōu)化混凝土的配合比,提高設(shè)計(jì)效率和準(zhǔn)確性。本文考慮了水泥、粉煤灰、硅灰、礦粉、水、海砂、石子和減水劑對(duì)海砂混凝土抗壓強(qiáng)度的影響,設(shè)計(jì)包括輸入層、隱藏層和輸出層8-8-1的拓?fù)浣Y(jié)構(gòu),并利用遺傳算法通過交叉和變異等過程,優(yōu)化神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,采用試驗(yàn)樣本訓(xùn)練GA-BP神經(jīng)網(wǎng)絡(luò),并以此為基礎(chǔ)建立了海砂混凝土配合比設(shè)計(jì)方法,指導(dǎo)海砂混凝土的設(shè)計(jì)應(yīng)用。
關(guān)鍵詞:海砂混凝土;GA-BP神經(jīng)網(wǎng)絡(luò);配合比設(shè)計(jì)
中圖分類號(hào):TU 528" " 文獻(xiàn)標(biāo)志碼:A
混凝土作為一種廣泛使用的建筑材料,其配合比設(shè)計(jì)一直是工程領(lǐng)域的重要課題。傳統(tǒng)的混凝土配合比設(shè)計(jì)方法工作量大、非常耗時(shí)[1]。而隨著人工智能技術(shù)的發(fā)展,神經(jīng)網(wǎng)絡(luò)在混凝土配合比設(shè)計(jì)中的應(yīng)用逐漸受到關(guān)注[2]。神經(jīng)網(wǎng)絡(luò)能夠同時(shí)考慮多個(gè)輸入?yún)?shù),能快速捕捉和學(xué)習(xí)混凝土材料之間復(fù)雜的非線性關(guān)系,通過訓(xùn)練,能夠?qū)ξ匆娺^的數(shù)據(jù)做出合理預(yù)測(cè)[3]。因此,本文基于GA-BP神經(jīng)網(wǎng)絡(luò)對(duì)海砂混凝土抗壓強(qiáng)度進(jìn)行預(yù)測(cè),建立材料與抗壓強(qiáng)度的映射關(guān)系,指導(dǎo)海砂混凝土的配合比設(shè)計(jì)。
1 GA-BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)
BP神經(jīng)網(wǎng)絡(luò)主要是由輸入層、隱藏層和輸出層組成,如圖1所示。通過訓(xùn)練學(xué)習(xí),BP神經(jīng)可以進(jìn)行預(yù)測(cè)分析。然而BP算法存在誤差偏大、網(wǎng)絡(luò)不穩(wěn)定等缺陷,嚴(yán)重制約了它的應(yīng)用性。為了彌補(bǔ)BP算法的缺陷,本文利用遺傳算法建立了GA-BP神經(jīng)網(wǎng)絡(luò),其計(jì)算思路如圖2所示。對(duì)權(quán)值和閾值進(jìn)行編碼獲得初始值,利用選擇、交叉和變異等過程來得到適應(yīng)值,優(yōu)化BP網(wǎng)絡(luò)的權(quán)值和閾值,提高神經(jīng)網(wǎng)絡(luò)的容錯(cuò)性和穩(wěn)定性。
海砂混凝土抗壓強(qiáng)度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型如下。
海砂混凝土的抗壓強(qiáng)度主要影響因素有水泥、摻合料、水膠比、骨料和高效減水劑等,因此,本文選取水泥、粉煤灰、硅灰、礦粉、水、海砂、石和減水劑的用量這8個(gè)因素作為神經(jīng)網(wǎng)絡(luò)的輸入層。
隱含層:將其設(shè)置為1層,其神經(jīng)元個(gè)數(shù)計(jì)算過程如公式(1)所示。
(1)
式中:L為隱含神經(jīng)元個(gè)數(shù);m為輸入層神經(jīng)元個(gè)數(shù);n為輸出層神經(jīng)元個(gè)數(shù);a為常數(shù)。輸出層為海砂混凝土28d抗壓強(qiáng)度。
2 海砂混凝土抗壓強(qiáng)度預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與結(jié)果分析
2.1 海砂混凝土抗壓強(qiáng)度預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)訓(xùn)練
本文利用Matlab軟件對(duì)GA-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。主要訓(xùn)練過程如下。
建立海砂混凝土抗壓強(qiáng)度預(yù)測(cè)神經(jīng)網(wǎng)絡(luò):本文建立了8-8-1型拓?fù)浣Y(jié)構(gòu)。
選取樣本進(jìn)行訓(xùn)練:本文訓(xùn)練樣本共計(jì)50組,有20組為試驗(yàn)所得,其余30組樣本是通過文獻(xiàn)調(diào)研而得[4-9]。由于數(shù)據(jù)較多,因此僅列舉15組具有代表性的數(shù)據(jù),數(shù)據(jù)見表1。當(dāng)網(wǎng)絡(luò)訓(xùn)練時(shí),將樣本數(shù)分成5份,將其中4份作為訓(xùn)練樣,1份作為驗(yàn)證樣。
對(duì)訓(xùn)練樣本進(jìn)行歸一化處理,如公式(2)所示。
(2)
式中:X為訓(xùn)練樣本;Xmin為樣本的最小值;Xmax為樣本的最大值;Y為樣本歸一化后的結(jié)果。
采用遺傳算法優(yōu)化海砂混凝土抗壓強(qiáng)度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型初始權(quán)值和閾值:權(quán)值72個(gè),閾值9個(gè),染色體長(zhǎng)度為81,產(chǎn)生初始種群,利用適應(yīng)度函數(shù)來評(píng)價(jià)進(jìn)化中的染色體,通過“優(yōu)勝劣汰”決定種群個(gè)體的去留。利用遺傳算法的核心操作選擇、交叉和突變,留下適應(yīng)性強(qiáng)的個(gè)體,并將其染色體遺傳給下一代。本文的交叉率為0.8,突變率為0.077。
海砂混凝土抗壓強(qiáng)度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型初始權(quán)值和閾值賦值:在遺傳算法達(dá)到最大遺傳迭代數(shù)指標(biāo)后,獲得優(yōu)化后的網(wǎng)絡(luò)連接初始值和初始閾值。本文設(shè)定的最大迭代數(shù)為20次。
海砂混凝土抗壓強(qiáng)度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型訓(xùn)練:利用優(yōu)化后的權(quán)值和閾值對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,利用預(yù)期值的誤差來反向調(diào)整網(wǎng)絡(luò)權(quán)值和閾值,在滿足最小誤差后,完成網(wǎng)絡(luò)訓(xùn)練。
本文海砂混凝土抗壓強(qiáng)度神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練主要參數(shù)見表2。
2.2 海砂混凝土抗壓強(qiáng)度預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)的結(jié)果分析
對(duì)海砂混凝土抗壓強(qiáng)度預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)進(jìn)行反復(fù)訓(xùn)練,當(dāng)相對(duì)誤差小于15%時(shí),完成網(wǎng)絡(luò)訓(xùn)練。神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束時(shí)的抗壓強(qiáng)度預(yù)測(cè)結(jié)果和預(yù)測(cè)相對(duì)誤差如圖3和圖4所示。由圖3可知,BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)都能較好地預(yù)測(cè)海砂混凝土的抗壓強(qiáng)度。在第四組驗(yàn)證樣本處,其真實(shí)抗壓強(qiáng)度為29.8MPa,而BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)抗壓強(qiáng)度分別為33.44 MPa和31.15MPa,與真實(shí)值之間分別相差3.64MPa和1.35MPa,預(yù)測(cè)誤差分別為12.23%和4.53%,兩種神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值與真實(shí)值之間的誤差都較大。第四組驗(yàn)證樣本的水泥、粉煤灰、水、海砂、石和減水劑的用量分別為277.4kg/m3、277.4kg/m3、221.9kg/m3、814.8kg/m3、808.6kg/m3和0.72kg/m3。由配合比可知,第四組驗(yàn)證樣本的粉煤灰摻量較大,而在50組樣本中,大摻量粉煤灰的樣本共有5組,僅占樣本總數(shù)的10%??赡苁谴髶搅糠勖夯覙颖緮?shù)偏少,使BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練得不充分,導(dǎo)致預(yù)測(cè)結(jié)果偏大,但是兩種神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)誤差皆小于15%。
由圖4可知,BP神經(jīng)網(wǎng)絡(luò)抗壓強(qiáng)度的預(yù)測(cè)相對(duì)誤差分別為5.45%、3.87%、-3.54%、10.71%、3.50%、-1.52%、12.23%、1.87%、4.53%和-1.20%,最大為12.23%。GA-BP神經(jīng)網(wǎng)絡(luò)抗壓強(qiáng)度的預(yù)測(cè)相對(duì)誤差分別為1.89%、-0.76%、2.16%、0.58%、1.54%、-1.30%、4.53%、0.32%、1.06%和0.67%,最大為4.53%,比BP神經(jīng)網(wǎng)絡(luò)的最大預(yù)測(cè)誤差縮小了63%。此外,由圖可知,BP神經(jīng)網(wǎng)絡(luò)抗壓強(qiáng)度的預(yù)測(cè)平均相對(duì)誤差的絕對(duì)值為4.84%,而GA-BP神經(jīng)網(wǎng)絡(luò)抗壓強(qiáng)度的預(yù)測(cè)平均相對(duì)誤差的絕對(duì)值僅為1.48%,比BP神經(jīng)網(wǎng)絡(luò)的平均相對(duì)誤差縮小了69%。
因此,本文訓(xùn)練得到的海砂混凝土抗壓強(qiáng)度預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果良好,滿足實(shí)際需求,且優(yōu)化后的GA-BP神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確性更高,能更好地指導(dǎo)海砂混凝土抗壓強(qiáng)度的預(yù)測(cè)和配合比設(shè)計(jì)。
3 基于GA-BP神經(jīng)網(wǎng)絡(luò)的海砂混凝土配合比設(shè)計(jì)方法
通過改變海砂混凝土的原材料組成,得到一個(gè)新的配合比,再利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)其抗壓強(qiáng)度,結(jié)合預(yù)測(cè)數(shù)據(jù)和試驗(yàn)數(shù)據(jù),建立不同原材料與抗壓強(qiáng)度的映射關(guān)系,以此為基礎(chǔ)指導(dǎo)海砂混凝土配合比設(shè)計(jì)。
圖5~圖7是當(dāng)水膠比為0.45、砂膠比為1和膠石比為2時(shí),單摻粉煤灰、礦粉和硅灰對(duì)海砂混凝土抗壓強(qiáng)度的影響。由圖5可知,當(dāng)單摻粉煤灰時(shí),海砂混凝土的抗壓強(qiáng)度隨著摻量增加呈現(xiàn)先增后減的趨勢(shì);當(dāng)摻量為20%時(shí),海砂混凝土的抗壓強(qiáng)度達(dá)到最大,為51.5MPa。由圖6可知,當(dāng)單摻礦粉時(shí),海砂混凝土的抗壓強(qiáng)度隨著摻量增加呈現(xiàn)先增后減的趨勢(shì)。當(dāng)摻量為15%時(shí),海砂混凝土的抗壓強(qiáng)度達(dá)到最大,為49.5MPa。由圖7可知,當(dāng)單摻硅灰時(shí),海砂混凝土的抗壓強(qiáng)度隨著摻量增加呈現(xiàn)逐漸變小的趨勢(shì)。當(dāng)摻量為5%時(shí),海砂混凝土的抗壓強(qiáng)度最優(yōu),為53.77MPa。
基于GA-BP神經(jīng)網(wǎng)絡(luò)的海砂混凝土配合比設(shè)計(jì)案例:若實(shí)際工程中需要通過單摻摻合料的方式制備C50海砂混凝土,則由圖5和圖7所知,當(dāng)水膠比為0.45、砂膠比為1和膠石比為2時(shí),有3種方法可制得C50的海砂混凝土。方法一:?jiǎn)螕?6%的粉煤灰,方法二:?jiǎn)螕?4%的粉煤灰,方法三:?jiǎn)螕?3%的硅灰。通過試驗(yàn)可知當(dāng)硅灰摻量為13%,粉煤灰產(chǎn)量分別為16%和24%時(shí),海砂混凝土28d抗壓強(qiáng)度分別為52.4MPa、51.8MPa和50.2MPa,與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值之間的誤差分別為4.8%、3.6%和0.4%。利用GA-BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)海砂混凝土的配合比,可以快速高效地設(shè)計(jì)滿足工程需求的配合比,大大減少試配工作量,節(jié)約人力物力和財(cái)力。
4 結(jié)論
海砂混凝土的抗壓強(qiáng)度與水泥、粉煤灰、硅灰、礦粉、水、海砂、石子和減水劑的用量息息相關(guān)。本文考慮了原材料對(duì)海砂混凝土強(qiáng)度的影響,設(shè)計(jì)了8節(jié)點(diǎn)輸入層、8節(jié)點(diǎn)隱含層和1節(jié)點(diǎn)輸出層的GA-BP神經(jīng)網(wǎng)絡(luò),該模型能較好地映射原材料與海砂混凝土28d抗壓強(qiáng)度的關(guān)系。
BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)海砂混凝土抗壓強(qiáng)度的平均相對(duì)誤差的絕對(duì)值為4.84%,而GA-BP神經(jīng)網(wǎng)絡(luò)的平均相對(duì)誤差的絕對(duì)值為1.48%,僅為BP神經(jīng)網(wǎng)絡(luò)的30%。
基于GA-BP神經(jīng)網(wǎng)絡(luò)的海砂混凝土配合比設(shè)計(jì)能指導(dǎo)海砂混凝土的性能調(diào)控,基于該網(wǎng)絡(luò)建立原材料和海砂混凝土抗壓強(qiáng)度的聯(lián)系,能確定某種抗壓強(qiáng)度下原材料的摻量,再通過試配進(jìn)行驗(yàn)證,指導(dǎo)海砂混凝土的配合比設(shè)計(jì)。
參考文獻(xiàn)
[1]周中,鄧卓湘,陳云,等.基于GA-BP神經(jīng)網(wǎng)絡(luò)的泡沫輕質(zhì)土強(qiáng)度預(yù)測(cè)[J].華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2022,50(11):125-132.
[2]陳慶,馬瑞,蔣正武,等.基于GA-BP神經(jīng)網(wǎng)絡(luò)的UHPC抗壓強(qiáng)度預(yù)測(cè)與配合比設(shè)計(jì)[J].建筑材料學(xué)報(bào),2020,23(1):176-191.
[3]韓紀(jì)曉,寧熙雯,安慶鋒,等.基于BP神經(jīng)網(wǎng)絡(luò)的纖維混凝土力學(xué)性能研究[J].工業(yè)建筑,2023,53(增刊2):669-707.
[4]張晨劍,謝嘉磊,王志豪,等.氯離子含量對(duì)中高強(qiáng)混凝土抗壓強(qiáng)度和耐久性的影響[J].硅酸鹽通報(bào),2023,42(7):2382-2391.
[5]楊碧璇.海水海砂自密實(shí)混凝土環(huán)境影響評(píng)價(jià)與收縮徐變?cè)囼?yàn)研究[D].東莞:東莞理工學(xué)院,2023.
[6]黃學(xué)開.混摻纖維海水海砂混凝土抗侵蝕性能研究[D].石家莊:河北科技大學(xué),2022.
[7]錢輝,董福明,邱培凡,等.超彈性SMA筋增強(qiáng)海水海砂混凝土梁抗剪性能試驗(yàn)研究[J].工程力學(xué),2023(40):1-11.
[8]沈均,羅駒華,王建華.粉煤灰和礦粉對(duì)海水海砂混凝土氯離子固化和抗凍性能的影響[J].合成材料老化與應(yīng)用,2023,52(4):39-43.
[9]盧佳.海水海砂混凝土單軸受壓應(yīng)力—應(yīng)變關(guān)系研究[D].大連:大連理工大學(xué),2020.