再生混凝土收缩徐变预测新方法

再生混凝土收缩徐变预测新方法

ID:46642935

大小:1.49 MB

页数:3页

时间:2019-11-26

再生混凝土收缩徐变预测新方法_第1页
再生混凝土收缩徐变预测新方法_第2页
再生混凝土收缩徐变预测新方法_第3页
资源描述:

《再生混凝土收缩徐变预测新方法》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、2017年第2期(总第328期)Number2in2017(TotalNo.328)混凝土Concrete实用技术PRACTICALTECHNOLOGY再生混凝土收缩徐变预测新方法张研证,邓雪沁2,曾榕2(1.广西岩土力学与工程重点实验室,广西桂林541004;2.桂林理工大学土木与建筑工程学院,广西桂林541004)摘要:针对当前方法的局限性,提出基于高斯过程机器学习的再生混凝土收缩徐变预测方法。该方法采用少量试验数据作为学习样本,建立主要影响因素与收缩徐变的复杂非线性映射关系,对新的预测样本做出精准预测,获得对应的收缩徐变。实例研究结果表

2、明:该预测方法是可行的,能够在小样本试验数据下对新样本做出高精度的预测,并且方法参数自适应获取、实现过程简单,为再生混凝土收缩徐变的合理确定提供一条新途径。关键词:再生混凝土;收缩;徐变;高斯过程;预测中图分类号:TU528.01文献标志码:A文章编号:1002—3550(2017)02—0117—03NewmethodforpredictionaboutshrinkageandcreepofrecycledaggregateconcreteZHANGy抽1一.DENGXueqin2。ZENGRon92(1.GuangxiKeyLaborat

3、oryofGeomechanicsandGeotechnicalEngineering,Guilin541004,China;2.SchoolofCivilandArchitectureEngineering,GuilinUniversityofTechnology,Guilin541004,China)Abstract:Aimingtothefactthatitisstilldifficulttoreasonablydeterminetheshrinkageandcreepofrecycledaggregateconcrete,themet

4、hodbasedonGaussianprocess(GP)machinelearningisproposedforforecastingofshrinkageandcreepofrecycledaggregateconcrete.Usingafewtestdataaslearningsamples,thenonlinearmappingrelationshipbetweenshrinkagecreepanditsmaininfluencingfactorsisestablishedbyGP.Basedonthat,thenewpredicti

5、onsamplescanbeaccuratelypredictedandobtainedcorrespondingshrinkagecreep.Theresultsofcasestudyshowthatthismethodisfeasible,thatcanhiighaccuratelypredictnewsamplesbasedonafewtestdata.Themethodalsohasmeritsofself-adaptiveparametersdeterminationandsimpletoimplement.Itprovidesan

6、ewwayforreasonablydeterminingshrinkageandcreepofrecycledaggregateconcrete.Keywords:recycledaggregateconcrete;shrinkage;creep;Gaussianprocess;prediction0引言再生混凝土能够将废弃的混凝土再利用,顺应当前绿色、环保的建材发展趋势,对其性能的研究在学术界得到广泛重视【l-41。收缩徐变是再生混凝土的一项重要性能指标,它能够使结构的内力、变形随着时间发生变化,尤其是对预应力、大跨度等在变形、应力方面有

7、较高要求的结构,掌握收缩徐变的情况对结构安全性分析具有重要意义。试验方法是当前确定再生混凝土收缩徐变的主要方法M,然而试验方法面临着周期长、费用较高、建立在试验数据基础上的经验公式难以囊括众多影响因素等问题。为此,一些学者将神经网络(ANN)非确定性方法引入再生混凝土收缩徐变研究中,为再生混凝土收缩徐变的确定提供了一条新思路罔。但是神经网络方法本身存在着对样本依赖性强、网络结构难以确定等不足之处。为此,寻求更加合理、有效的新的不确定性预测方法是很有必要的。高斯过程(Gaussianprocess,GP)是在贝叶斯原理的基础上提出的一种新兴机器

8、学习方法,它有着严格的统计学推导背景,能够处理小样本、高维度、非线性等复杂不确定性问题,并且具有参数自适应获取、结构框架简单等突出优点,在土木工程很多领域得到成功应

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。