科研之友
微信
新浪微博
Facebook
分享链接
摘要
泡沫轻质土的抗压强度是其重要的力学性能。精准地预测和调整泡沫轻质土的抗压强度，对于提高施工效率有重要的现实意义。为实现对泡沫轻质土抗压强度的智能控制和优化，设计了包含4节点输入层、8节点隐层、1节点输出层的拓扑结构，输入层采用遗传算法（GA）对BP神经网络的权重和阈值进行改进。以水固比、粉灰比、细集料掺合比以及气泡率4个参数作为输入参数，28天抗压强度为输出参数，以室内实验数据作为样本，使用均方差（MSE）、决定系数（R2）和相对误差等对优化前后两种模型进行验证和对比分析，并以此为基础建立了基于不同性能需求的配合比设计方法。结果表明：相比BP神经网络，GA-BP神经网络训练的适应度函数值更大、均方差更小，预测值与实际值的拟合度可达到0.946，具有更强的预测精度和泛化能力，同时遗传算法的全局搜索能力也弥补了BP神经网络容易陷入局部最优的缺陷，且能更好地指导粉煤灰泡沫轻质土强度预测配合比设计。基于GA-BP神经网络的泡沫轻质土强度增长预测模型可实现对泡沫轻质土抗压强度的灵活调整，对于工程施工具有重要的参考价值。
-
单位土木工程学院; 中南大学
