废玻璃粉混凝土抗压强度试验及其神经网络预测

《废玻璃粉混凝土抗压强度试验及其神经网络预测》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、2016年第4期(总第318期)Number4in2016(TotalNo．318)混凝土Concrete理论研究1W匣0REⅡCALRESEARCHdoi：10．3969／j．issn．1002—3550．2016．04．015废玻璃粉混凝土抗压强度试验及其神经网络预测周美丽。柯国军(南华大学城市建设学院，湖南衡阳421001)摘要：对玻璃粉掺量分别为0、10％、15％、20％、25％、30％、35％的混凝土的7、28、60、120d的抗压强度进行试验，在试验的基础上，用MATLAB建立神经网络预测模型，输入量为：水胶比、废玻璃粉用量、水泥用量、粗骨料用量、砂用量、养护龄期，

2、输出量为混凝土抗压强度，建立废玻璃粉混凝土的抗压强度预测模型。试验结果表明：神经网络预测模型可以有效预测废玻璃粉混凝土的抗压强度，预测精度较高。关键词：废玻璃粉；抗压强度；神经网络；预测中图分类号：TU528．01文献标志码：A文章编号：1002—3550(2016)04—0054—03ExperimentanditspredictionartificialneuralnetworksmodelstudyonthecompressivestrengthofwasteglassconcreteZHOUMeili，KEGuojun(SchoolofUrbanConstruction

3、，UniversityofSouthChina，Hengyang421001，China)Abstract：Thecompressivestrengthofconcretein7，28，60，120dwerestudiedinwhichthereplacementofwasteglasspowderwere0，10％，15％，20％，25％，30％，35％．Itestablishedartificialneuralnetworksmodelforthewasteglassconcretebasedontheexperimentdata．Theinputsofthemodelwe

4、rethewater／cementratio，dosageofwasteglasspowder，dosageofcement．Dosageofcoarseaggregate，dosageofsandandthecuringage．Theoutputofthemodelisthecompressivestrengthofconcrete．Theresultshowthattheartificialneuralnerworksmodelcanbeusedtopredictthecompressivestrengthofwasteglasspowderconcreteandthepr

5、edictionisaccurately．Kaywords：wasteglasspowder；compressivestrength；prediction；artificialneuralnetworks0引言将玻璃作为骨料或者掺合料应用到混凝土材料领域，既可减少因大量堆放而引起的土地浪费与环境问题，又能部分取代混凝土原材料，降低资源消耗，减少碳排放，降低混凝土的生产成本¨。1。国外从20世纪60年代就开始了将废弃玻璃应用于混凝土的试验研究∞o，之后，大量研究者对废玻璃掺入混凝土后对混凝土性能的影响进行了研究，研究内容主要是废玻璃以粗骨料、细骨料及水泥不同形式、不同取代率掺入混

6、凝土后混凝土的特性，分析废玻璃应用于混凝土在经济、技术上的可行性。将废玻璃磨成粉末作为掺合料取代水泥掺入混凝土中，也是废玻璃的应用途径之一。人工神经网络人工神经网络(ArtificialNeuralNet—work缩写为ANN)是由大量简单的处理单元广泛地相互连接而成的复杂网络系统，具有高度的并行处理，联想记忆，良好的自适应和自组织能力，无需人们预先确定系统的模型，而是以试验或实测数据为基础，经过有限次的迭代计算，根据系统输入和输出找到他们之间的非线性关系，从而获得一个反映试验或实测数据内在规律的数学模型‘7o。它是解决非线性问题的有效手段之一，其具有容错、联想、推测、记忆、自

7、适应、自学习和处理复杂多模式的功能’8j。采用神经网络建立废玻璃粉混凝土强度的预测模型，可以优化配合比设计，减少废玻璃粉混凝土配合比设计的工作量，节约时间与资金。1试验1．1试验原材料(1)胶凝材料：P·O42．5级水泥；其基本性能如表1所示。表1水泥的基本性能(2)玻璃粉：清洗绿色玻璃粉，球磨时问均为15min；(3)骨料：砂为人工砂，细度模数为：2．9，粗骨料为卵石，粒径为5～40mm，砂的细度模；收稿日期：2015—05—18基金项目：国家自然科学基金项目(51378247)；湖南省科