[发明专利]一种基于神经网络的混凝土强度预测方法

摘要

本发明公开了一种基于神经网络的混凝土强度预测方法。该方法结合了标准试验的抗压试验、回弹法和取芯法的优点，利用映射训练样本(x₁,y₁)，(x₂,y₂)，…，(x_k,y_k)，…，实现从n维欧氏空间的一个子集A到m维欧氏空间子集f(x)的映射，即A∈Rⁿ→R^m，从而获得混凝土强度预测模型f(x)，对于任意给定的新的混凝土标准试验强度值和回弹强度值x_新，带入混凝土强度预测模型f(x)中，可以得到对应的强度预测值y预测值＝f(x_新)。本发明精度高，不受环境的影响，减少工作量，降低成本，在各种混凝土强度测试工程中有广泛的使用前景。

主权项

1.一种基于神经网络的混凝土强度预测方法，用常规的回弹法和取芯法，测定混凝土的强度值，其特征在于包括如下内容：首先用常规的抗压试验方法，测定混凝土的强度值，并将抗压试验方法测定的强度值作为神经网络的一个输入值，将回弹法测定的强度值作为神经网络的另一个输入值，以取芯法测定的强度值作为神经网络的输出值y；通过测定的多组强度值数据对神经网络进行训练，利用映射训练样本(x1,y1)，(x2,y2)，…，(xk,yk)，…，其中x1表示第1组控制样本，即第1组抗压试验测得的强度值和回弹法测得的强度值，y1表示第1组样本的结果样本；xk表示第k组控制样本，yk表示第k组样本的结果样本，即通过神经网络训练想要得到的参数，实现从n维欧氏空间的一个子集A到m维欧氏空间子集f(x)的映射，即A∈Rn→Rm，其中n就是神经网络里的输入个数，m是神经网络的输出个数，A和f(x)都是集合，欧氏空间指欧几里得空间；训练过程中根据其中右上角标l表示层的序号，表示(t+1)时刻，第(l‑1)层的神经元k与第l层的神经元j之间的加权，表示对第p个样本，第l层的神经元j的未知期望输出，表示对第p个样本，第(l‑1)层神经元j的计算输出，η为修正因子，α称为惯性系数或动量因子，为小于1的常数，也可根据实际情况进行取值，表示t时刻，第(l‑1)层的神经元k与第l层的神经元j之间的加权，不断对权系数进行修正，根据实际情况进行权系数取值；通过正向演算和反向权系数的修正，直至各样本的误差E_p＜ε，其中ε为给定的收敛精度，网络训练结束，从而获得混凝土强度预测模型f(x)；对于任意给定的新的混凝土标准试验强度值和回弹强度值x新，带入混凝土强度预测模型f(x)中，可以得到对应的强度预测值y预测值＝f(x_新)，从而完成基于神经网络的混凝土强度预测结果。