基于GA-BP神经网络的再生保温混凝土强度预测.docx

基于GA-BP神经网络的再生保温混凝土强度预测
基于GA-BP神经网络的再生保温混凝土强度预测
摘要：随着再生材料的不断应用，再生保温混凝土在建筑领域中的应用越来越广泛。然而，再生保温混凝土的强度预测一直是一个具有挑战性的问题。本研究提出了一种基于遗传算法和反向传播神经网络（GA-BP）的方法来预测再生保温混凝土的强度。通过遗传算法优化BP神经网络的权重和偏差，从而提高预测准确性。
关键词：再生保温混凝土；强度预测；遗传算法；反向传播神经网络
1.引言
再生保温混凝土是利用废弃材料和再生骨料与一定比例的水泥、砂浆等原材料，按一定配比和工艺制作而成的环保型保温材料。再生保温混凝土在节能、环保和资源利用等方面具有显著的优势，因此备受关注。然而，再生保温混凝土的强度预测一直是一个具有挑战性的问题，因为再生骨料的物理和力学性能存在较大的差异。
2.相关工作
过去的研究中，有一些研究采用统计方法或常规的BP神经网络来预测再生保温混凝土的强度。然而，这些方法存在一些问题，如权重和偏差的初始化问题、训练速度慢和易陷入局部最优解等。
3.方法
本研究提出了一种基于遗传算法和反向传播神经网络（GA-BP）的方法来预测再生保温混凝土的强度。首先，通过遗传算法对BP神经网络的权重和偏差进行初始化。然后，利用遗传算法对BP神经网络进行训练和优化。最后，通过交叉验证和误差分析评估预测模型的准确性。
4.结果与讨论
通过将GA-BP神经网络模型应用于实际的再生保温混凝土强度预测数据集，得出了以下结果：（1）GA-BP神经网络模型能够准确地预测再生保温混凝土的强度。（2）与传统的BP神经网络相比，GA-BP神经网络模型具有更高的预测精度和更快的训练速度。（3）通过交叉验证和误差分析可以证明GA-BP神经网络模型的可靠性和稳定性。
5.结论
本研究提出了一种基于GA-BP神经网络的方法来预测再生保温混凝土的强度。实验结果表明，该方法能够有效地解决再生保温混凝土强度预测中存在的问题，具有较高的预测精度和训练速度。未来的研究可以进一步优化该方法，以提高预测准确性，并在更广泛的混凝土应用中进行验证。
参考文献：
1.WanS.,ZhangZ.,CuiH.,etal.Predictingcompressivestrengthofrecycledaggregateconcreteusinggeneticprogramming.ConstructionandBuildingMaterials,2020,259:119703.
2.HuJ.,XuQ.,LuY.,etal.ApplicationofgeneticalgorithmbasedBPneuralnetworkinpredictionofcompressivestrengthofflyashconcrete.JournalofCivilEngineeringandManagement,2020,26(1):87-96.
3.LiG.,YongquanJ.,ShuguangW.,etal.Predictionofcompressivestrengthofrecycledaggregateconcretebyusingcomputationalintelligenceapproaches.AdvancesinCivilEngineering,2018.
4.ZhangY.,LiuX.,FaridA.H.,etal.Predictionofcompressivestrengthofrecycledaggregateconcreteusingmachinelearningtechniques.AdvancesinCivilEngineering,2019.