基于回归分析的矿渣水泥抗压强度预测.pdf

《基于回归分析的矿渣水泥抗压强度预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于回归分析的矿渣水泥抗压强度预测谢瑾秋1吕云鹏z杨晓伟。张千祥关鹏(．2'。．4，巢湖学院数学系，安徽巢湖238000)摘要：矿渣水泥的应用越来越广泛。从实验获得矿渣水泥早期和28天抗压强度数据，通过统计回归分析建立了早期和28天抗压强度的线性回归模型，表明利用早期抗压强度可以很好的预测28天抗压强度。通过对基材化学成份的分析，建立了基材化学成份和早期抗压强度的多元回归模型，模型结果表明可以通过各化学成份组成预测早期抗压强度。关键词：矿渣水泥；回归分析；抗压强度；预测中图分类号：F062．4文献标识码：A文章编号：1008—4428(2014)o3-11

2、8-03一、引言矿渣在水泥和混凝土工业中起着越来越重要的作用，从最初的废渣利用概念，已经转化为水泥混凝土不可或缺的功能性材料【1】。在水泥基材料中大掺量添加矿渣微粉，不仅合理利用了废弃物，而且生产出一些具有隔热、保温、耐火、质量轻、强度高等性能制品。因此，这种水泥基材料既可在框架结构中用作填充体，又可用来制作路面砖等，其应用途径越来越广泛。由于用来评定大掺量废弃物粉尘的水泥基材料抗压强度的标准是养护28d的抗压强度，因而造成试验周期太长，这就很难满足对其质量要求的及时控制。所以，既不能及时获得水泥基材料试样的强度值，又不能据此及时设计和调整配合比，在时间不

3、充分的条件下，不利于试验的正常进行，同时也不利于加强质量管理和充分从散点图可以看出，x与Y具有良好的线性关系，可以用一利用水泥的活性及调整废弃物粉尘的掺加量。因此，必须利用水元线性回归分析，建立一元线性回归模型：Y=aX+b。泥基材料早期抗压强度对其28d抗压强度进行预测，及时控制模型求解与结论：通过SPSS统计分析软件，选择强迫进入生产过程，保证产品质量。法进行回归分析，分析结果如下：二、模型建立与求解模型汇总b对于矿渣水泥的抗压强度从两个方面来分析，一是分析早期(3天)抗压强度和标准28天抗压强度的关系，建立回归模型；二是，通过实验获得基材化学成份数据

4、，建立化学成份组成与早a．预测变量：(常量)，抗压(x)。期抗压强度的模型，表明基材的化学成份对早期抗压强度有显b．因变量：抗压(Y)著性影响。从模型汇总表可以看出，3d抗压强度与28d抗压强度的相模型一：建立一元线性回归模型，分析3天抗压强度与28关系数为O．895，决定系数为0．801，说明3d抗压强度在预测28d抗压强度中所起作用是很大的，模型的效果是比较好的。天抗压强度的关系Anovab数据来源：采用安徽皖维水泥厂2012年2月份生产的pe32．5水泥，获得3天、28天抗折、抗压强度数据，见附件(表1)。模型建立：设3天抗压强度为x(单位MPa)，

5、28天抗压强度a．预测变量：(g-量)，抗压(x)。b．因变量：抗压(Y)为Y(单位MPa)。用SPSS19．0做出x与Y的散点图如下：从模型的方差分析表中可以看出，F值为8O．480，P值小于0．05，说明该模型是有很强的统计意义，再一次验证了可以利用基金项目：国家级“大学生创新创3,k~l练计划”项目(201210380002)；巢湖学院产学研项目(废渣水泥的质量控制与f~m,lo矿渣水泥早期抗压强度来预测28d抗压强度。法，得到结果如下：系数a模型；12总blJ⋯．[一薹]霹玉堑西二匿卫芷五猫——r—]!IlI搓型JJ基直J翊整B左J拯缝篮让谌差JJ

6、i匪('~'l亘)二[=21．互72[二j1．7互4二正12．472二．O0OJ1J．866J．75I．604J．7738Ja．因变量：抗压(Y)a．预测变量：(常量)，(X7)，(x1)，(X4)，(X5)，(X3)，(X6)，(X2)。从系数表中可以得出回归方程为：Y=0．972Z+21．729，通过t检b．因变量：(z实)验，各参数的P值均小于0．05，表明该回归模型系数显著『生明显。Anovab结论：建立的一元线性回归模型模型，相关系数为0．895，大于国家颁~OGJtr15—2oo8：~,推定混凝土强度试验方法标准研要求的界限值0．85。说明该模

7、型满足质量控制的要求，只要得到矿渣水泥早期抗压强度数据，便可以通过所求解回归模型很好的预测出a．预测变量：(常量)，(X7)，(X1)，(X4)，(X5)，(X3)，(X6)，(X2)。28d抗压强度，预测值和残差见附件(表1ob．因变量：(z实)表13d抗压强28d抗压强28天抗压强模型汇总和方差分析显示，模型相关系数达到0．866，概度(x)度∞度预测值残差值莉率P值0．007小于显著性水平0．05，表明模型具有良好的显16．438．137．6768542315l6．33737．5796_o5796著性水平，有很强的统计意义，模型的回归效果明显。183

8、9．639．232763672416．237．837．48236n