混凝士抗渗性能预测的广义回归神经网络模型及应用
赵万里
(长春工程学院土木学院，吉林长春130012)
摘要： 混凝土抗渗性能影响其结构的耐久性，通过正交试验数据，采用广义回归神经分析方法，研究混凝土的氯离子扩散系数与混凝
土配合比6个参数之间的非线性映射关系，建立了混凝土抗渗性能评估的广义回归网络模型，该研究成果可以减少混凝土试配次数，节约
大量的人力、物力和时间，为高性能混凝土的研究发展奠定了基础。结果表明此模型的可靠度很高，可以用于混凝土渗透性的设计及评估。
为混凝土抗渗性能的预测提供了一条新的途径。
关键词： 正交试验；氯离子扩散系数；广义回归神经网络；抗渗性能
中图分类号： Tu528．O1 文献标志码： A 文章编号： 1002—3550(2011)02—0046—03
General regression neural network model for predicting impermeability of concrete
ZF o W 一li
(Civil Engineering College，Changchun Institute ofTechnology，Changchun 130012，China)
Abstract： Concrete permeability have a direct impact on its durability，and the tradition test consume large amount oftime surely．According orthogonal
test data，the relationship between the chloride difusion coeficient and six parameters on the impermeable perform ance WaS presented．
Based on general regression neural netw ork nonlinear analysis method，a intelligent information analysis of nonlinear general regr ession neural
netw ork method，all artificial intelligence information model for predicting impermeability of concrete was established．Result indicates that pro—
jection pursuit regression model is reliable enough to concrete’S virtual design．It provides a new way to predict imperm eability ofconcrete．
Key words： orthogonal test；chloride ion difu sion coeficient；general regression neural network；imperm eability
0 引言
研究混凝土抗渗性可以科学有效的评价混凝土结构的耐
久性。合理确定混凝土配合比意义重大 】。影响混凝土的抗渗
能力的影响因素有诸如水胶比、水泥强度、矿物掺合料的用量
以及石子类型等。目前一般主要通过试配，在相应的龄期进行相
关指标的检测，不断进行调整和试配来获得所需的混凝土性能，
这样耗费了大量人力、物力和财力 。近年来，随着科学技术和
计算机的应用发展，人工神经网络理论得到了飞速发展，在自
然科学各个学科都得到了广泛应用[1- ，如混凝土配合比的设
计、钢筋腐蚀量的预测、强度的预测、坍落度的预测、混凝土外
掺料的掺量问题等，为混凝土抗渗能力的研究提供了有力的支
持。但是传统BP神经网络在计算时容易陷入局部最小，且很难
得到稳定的结果，模型参数确定困难。广义回归神经网络GRNN
(generalized regression neural network)是一种局部逼近网络，模
型的建立具有明确的理论基础，GRNN不同于传统的神经网
络，它仅需要一个简单的平滑参数，不必进行循环的训练过程，
在训练过程中不调整神经元之间的连接权值，网络稳健，计算
速率快。优点是学习速度快，网络最后收敛于样本量集聚最多的
优化回归面，一旦学习样本确定，则相应的网络结构和神经元
之间的连接权值也随之确定，网络训练过程实际上只是确定平
滑参数的过程，并且在样本数据较稀少时，效果也很好，网络可
以处理不稳定的数据。人为调节的参数少，只有一个阈值，网络
收稿日期：2010-09—28
· 46 ·
的学习全部依赖数据样本。这个特点决定了网络得以最大限度
地避免人为主观假定对预测结果的影响。
本研究将广义回归神经网络理论引入到混凝土抗渗性研
究中，以探讨一种混凝土渗透性研究的新方法。分析各个因素对
混凝土抗渗性的影响。采用本研究利用GRNN在逼近能力分类
能力和学习速度方面具有较强的优势，该网络最后收敛于样本
量积聚最多的优化回归面并且在数据缺乏时效果也较好网络
可以处理不稳定的数据，因此采用GRNN建立了混凝土抗渗性
预测模型且利用历史统计数据对混凝土

因本站资料资源较多，启用了多个文件服务器，如果浏览器下载较慢，请调用迅雷下载，特别是超过了5M以上的文件！请一定调用迅雷，有时候速度就会飞起哦，如果您的浏览器自动加载了PDF预览，文件太大又卡死，请按下载说明里的把PDF插件关闭了就可以直接下载，不会再预览了！