基于神经网络的泡沫混凝土性能预测

《基于神经网络的泡沫混凝土性能预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:TU52810710-2013112023硕士学位论文基于神经网络的泡沫混凝土性能预测傅沉导师姓名职称尹冠生教授申请学位类别工学硕士学科专业名称力学论文提交日期2016年5月23日论文答辩日期2016年6月15日学位授予单位长安大学PredictionofFoamedConcreteCompressionStrengthandThermalConductivityBasedonBPNeuralNetworkAThesisSubmittedfortheDegreeofMasterCandidate：FuChenSupervisor：Prof.YinGua

2、nshengChang’anUniversity,Xi’an,China论文独创性声明独立进行研巧工作所本人声明：本人所呈交的学位论文是在导师的指导下，取得的成果。除论文中己经注明引用的内容外，对论文的研巧做出重要贡献的个。人和集体，均己在文中明确方式标明本论文中不包含任何未加明确注明的其他个人或集体己经公开发表的成果。本声明的法律责任由本人承担。＾论文作者签名：巧巧以年＾月化曰论文知识产权权属声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学校。、借阅。本人离＞、＾＾＾及申请专利等权利学校享有＾１任何方

3、式发表复制、公开阅览校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名单位仍然为长安大学。）（涉密论文在解密后应遵守此规定论文作者签名：巧屋年月／伯巧＾＇导师签名：７名乂年告月化手摘要泡沫混凝土的导热系数和抗压强度一直是工程应用中的两个重要指标，两者存在耦合关系。目前对于泡沫混凝土的性能预测，主要通过于数学模型或有限元模型的孔结构来进行研究，已经取得了诸多有价值的成果，但仍没有一套成熟公认的预测体系。本文尝试将神经网络原理运用在泡沫混凝土的性能预测上，利用神经网络良好的泛化能力，通过输入配合比主要参数，得到泡沫混凝土的强度及导

4、热性能预测结果。研究内容主要有以下几个方面：1.介绍了泡沫混凝土、神经网络、孔结构与导热性能、孔结构与抗压强度等内容。并引入了几种常见的复合材料导热系数模型。2.本文引入归一化函数对实验数据进行预处理，利用Matlab分别对标准梯度下降算法、自适应学习速率算法、Levenberg-Marquardt训练算法进行编程建模，对三种不同算法分别进行五次网络训练，比较了三者在训练用时、拟合精度上的性能优劣。通过比较三者所用时间的平均值和拟合精度的平均值，发现Levenberg-Marquardt训练算法具有较短的训练时间和较高的精度，故本文选取Levenberg-Ma

5、rquardt算法作为BP神经网络模型的训练算法。最终结果显示在数据量和隐含层神经元数目均较小的情况下，Levenberg-Marquardt训练算法的误差不大于30%，并且网络模型在训练时的收敛速度较快，其平均耗时小于0.01秒。3.本文利用Matlab神经网络工具箱建立了预测泡沫混凝土导热系数和抗压强度的BP神经网络模型，并选取Levenberg-Marquardt算法作为网络的训练算法。本文将实验数据分为训练组和对照组，神经网络通过训练组的数据进行非线性拟合，当拟合结果满足误差精度时模型训练完毕。多次训练后选择拟合较好的一组模型，将训练完成的神经网络模型

6、的预测结果与对照组进行比较，即可验证模型预测精度。结果表明，BP神经网络模型能够准确拟合实验数据，利用其泛化能力进行预测的结果与对照组的误差小于8%。4.本文对传统Levy模型提出了一种新的可能假设，将不加发泡剂的混凝土基体（含气孔结构），视为一种均质基体（不含气孔结构），提出公式v=v2-v1，v为发泡剂产生的孔隙率，v2为当前实测孔隙率，v1为混凝土未加发泡剂时的固有孔隙率。依据此种假设，运用Levy模型进行导热系数预测的结果，优于传统的Levy模型。同时对预测结果进行分析，并与BP神经网络模型的预测结果进行比较。结果显示，Levy模型随着孔隙率增大而预测

7、精度下降，BP神经网络模型对同一数据的预测误差是Levy模型的58.4%。关键词：泡沫混凝土，神经网络，抗压强度，导热系数，Levy模型，预测iABSTRACTThermalconductivityandcompressivestrengthoffoamedconcretearetwoimportantindexesinengineeringapplication.Twoofthemiscouplingrelationship.Atpresent,theperformancepredictionofthefoamedconcreteismainlybasedo

8、nthemathematicalmod