GMDH方法在混凝土强度预测中的应用

通过建立GMDH中使用最广泛的线性和非线性模型,对混凝土强度进行了预测测试,对模型的预测值与实际数据、传统的鲍罗米公式的预测结果进行了比较,结果表明,基于Knowledge Miner软件的GMDH方法能够充分考虑影响混凝土强度的各种因素,具有较高的精度,在混凝土强度预测以及建筑行业中具有广泛的应用前景.     

含掺合料因素的混凝土强度公式及其应用

本文阐述混凝土灰水比强度公式可用于混凝土的配比设计，由目标强度推算出主要的配比参数，也可用于预测，由混凝土的组成和配比，预测其28d强度。     

神经网络在活性粉末混凝土强度预测中的应用

介绍了神经网络中的BP网络的模型及其学习算法原理，并将其应用于活性粉末混凝土强度预测。基于MATLAB神经网络工具箱，进行了结果分析，发现应用该网络在活性粉末混凝土(RPC)强度预测方面具有很高的精度，可以用来对高强度混凝土强度进行预测；结果表明，神经网络方法是一种可以定量分析、简便易行的预测方法，随着新型建筑材料科学领域各种实验数据不断丰富完善，计算机语言的发展，神经网络可为广大技术人员提供科学的理论分析方法，指导生产实践。     

用神经网络预测矿渣与粉煤灰混凝土的强度

利用目前神经网络中使用最多的BP网络的模型来预测矿渣粉煤灰混凝土的3天、28天的抗压强度。结果表明，由于神经网络具有很强的非线性表现能力，计算精度高，预测能力强．将神经网络方法应用于矿渣、粉煤灰混凝土的强度预测中，可为工程人员提供很大的方便，以指导生产，适应时代发展的要求。     

混凝土强度的分阶段进化神经网络方法的预测

早期获得混凝土28d抗压强度值,对提高工程质量和加快施工速度具有非常重要的作用。本文在国内外早期推定混凝土强度方法的基础上,提出了用分阶段进化神经网络的方法来预测预拌混凝土的强度,从而可以减少网络训练的时间,加快算法的收敛速度,简化网络结构。     

基于神经网络的粉煤灰纤维混凝土强度预测

粉煤灰纤维混凝土作为一种新型的水工材料拥有强度高、发热低等优点，已越来越多的被应用和研究。但由于影响因素较多，因此一般的试验手段很难更加深入的进行研究。本文应用神经网络的方法，探讨在少量试验数据的基础上预测粉煤灰纤维混凝土强度。     

粉煤灰高性能混凝土的非线性神经网络方法预测

由于废渣高性能混凝土的原料产地多、质量波动大,影响因素复杂,甚至存在诸多因素的交互作用,目前尚难用传统的统计或回归分析方法加以精确描述,本文引入非线性人工神经网络处理技术,利用已有的混凝土配合比（输入）及实测性能指标（输出）等试验数据来训练网络,建立混凝土输入-输出模式非线性映射关系,构造混凝土性能（主要是强度）模型,进一步提升混凝土某些性能的预测精度。     

人工神经网络在混凝土强度检测中的应用

建立混凝土测强换算关系是混凝土结构检测中经常面对的问题,然而要建立起检测物理量与混凝土强度之间的函数关系并非易事。本文利用神经网络方法建立了混凝土测强换算的BP网络模型,为混凝土结构无损检测中混凝土强度推定开辟了一条新途径。     

普通混凝土强度预测的BP神经网络模型

在分析普通混凝土强度影响因素基础上 ,选取混凝土配料中 7个因素作为输入值 ,混凝土2 8d强度作为输出值建立了混凝土强度预测的 BP网络模型。讨论了模型的学习样本、网络参数对预测精度的影响 ,选出最佳网络参数配置。实例证明模型预测精度高。     

低温钢纤维混凝土强度试验与预测

以不同温度(0℃、-5℃、-10℃、-15℃、-20℃)、不同钢纤维掺量及不同水灰比的钢纤维混凝土的抗压、抗拉、抗折与抗剪强度试验结果,建立以温度、钢纤维掺量以及水灰比作为输入矢量,混凝土预测强度作为输出矢量的网络模型。用人工神经网络分别为抗压强度、抗折强度、抗拉强度及抗剪强度建立了合适的网络模型,输入层和隐含层均采用双曲线正切S型传递函数,输出层采用线性传递函数。网络采用Levenberg-Marquardt算法进行训练,对低温钢纤维混凝土的强度进行了预测,预测的相对误差在0~0.05的范围内波动,各训练总标准差与仿真总标准差均在0.3的范围内,取得了满意的结果,这对低温条件下钢纤维混凝土强度预测有一定实用价值。     

神经网络对混凝土动态特性的预测及试验

为研究混凝土高应变率下的动态特性,基于神经网络对非线性系统的辨识和预测功能,结合Leven-berg-M arquardt算法,利用变截面Hopk inson压杆对聚丙烯纤维混凝土的3种应变率下冲击压缩试验数据,采用BP网络对其峰值应力和对应的应变进行预测,并与试验结果进行了比较。分析表明,预测仿真结果与试验结果是相吻合的,所建立的网络模型可为研究混凝土高应变率下的应力应变关系提供参考。     

基于GM（1，2）残差模型的混凝土靶强度预测

混凝土靶的早期强度的发展规律在很大程度上影响着混凝土靶的后期强度发展规律。灰色系统理论对于小样本具有较好的预测效果。本文建立了混凝土靶强度的GM（1,2）残差预测模型,结果表明,该模型在预测混凝土靶强度方面达到了很好的效果,有较好的理论和实用价值。     

径流中长期预报模糊优选神经网络模型应用研究

预报因子选择与模型训练精度确定,是模糊优选神经网络模型应用于径流中长期预报时有待研究解决的两个重要问题.应用预报因子集与预报量间的复合非线性相关分析方法选择预报因子(集),克服了通常单因子线性相关分析选择预报因子的不适用性;通过定义综合效应系数来综合评价模糊优选神经网络模型的拟合能力与外推预报能力,为研究模型的拟合精度高而外推预测精度低的问题提供了一种解决方法.     

人工神经网络在钢管核心柱设计参数预报中应用

探索运用人工神经网络对截面核心用钢管混凝土增强的高强混凝土柱的力学性能进行评估的可能性，利用该柱抗震性能试验的结果，训练一个三层BP网络，进行了柱抗震延性的预报，预报值和试验值吻合良好，进而利用该网络模型2分析了各种参数对柱延性的影响，表明采用钢管混凝土做核心对改善高强混凝土柱的抗震性能有很好的效果。     

人工神经网络在自密实混凝土抗压强度预测中的应用

针对传统BP神经网络的不足,采用不同改进算法的网络模型对自密实混凝土抗压强度预测进行了详细的分析.研究表明:采用变梯度算法的模型M1、P-B复位算法的模型M2、拟牛顿算法的模型M3以及LM算法的模型M4,这4种模型均成功地建立了自密实混凝土强度的非线性关系,可用于其强度预测;通过用MATLAB编写程序,为解决BP网络隐层节点数的不确定性提供了一种较为方便的途径.     

基于RBF神经网络的公路货运量预测方法研究

本文提出了一种基于RBF神经网络的直接预测法,对公路货运量进行了预测,并利用matlab工具箱予以了实现.对2004和2005年公路货运量预测的结果表明,预测值与国家统计局公布的实际数值有很好的一致性,预测精度也高于其它RBF预测法,有很好的应用性.