混凝土抗渗性能预测的自适应小波神经网络模型.pdf

2 0 1 1 年 第5期 (总 第 2 5 9 期) Nu mb e r 5i n 2 0 1 1 ( T o t a l No ．2 5 9) 混 凝 土 Co n c r e t e 理论研究 THE0RETI CAL RES EARCH d o i ： 1 0 ． 3 9 6 9 ／j ． i s s n ． 1 0 0 2 — 3 5 5 0 ． 2 0 1 1 ． 0 5 ． 0 0 6 混凝土抗渗性能预测的 自适应小波神经网络模型 姚 立国 ，唐 志强，刘瑞彩 ( 河北省第四建筑工程公 司，河北 石家庄 0 5 0 0 8 1 ) 摘要： 通过正交试验数据， 采用白适应小波神经网络分析方法， 研究混凝土的氯离子卡 厂 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智能信息模型 ， 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 『日 J ， 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 。 实现了由网络 本身 自动确定 神经单 元 的数 目， 避免人为 的影响 ， 提高了辨识和预测的可靠性和智能化程度。 通过 实例分析表 明， 所 建立 的 自适 应小波 基激活函数神经网络模 型 ， Ni P , $ ~ NN精度高 ， 具有重要的推广应用价值 。 关键 词： 正交试验 ；氯离子扩散系数 ；自适应小波基 ；神经网络 ；辨识 ；预测 中图分 类号 ： T U5 2 8 O 1 文献标 志码 ： A 文章编号 ： 1 0 0 2 — 3 5 5 0 ( 2 0 1 1 ) 0 5 — 0 0 1 5 — 0 3 Se l f — ada pt i ve wa ve l e t neur a l n e t w or k f or pr e di c t i ng i m p er mea bi l it y of c onc r e t e YAO Li - gu o． T ANG Zh i — q i a n g， L I U Ru i — c a i ( F o u r t h Co n s tr u c t i o n C o mp a n y o f H e b e i P r o v i n c e ， S h i j i a z h u a n g 0 5 0 0 8 1 ， Ch i n a ) Abs t r a c t ：Co n c r e t e p e r me a b i l i t y h a v e a d i r e c t i mp a c t o n i t s d u r a bi l i t y， a n d t h e t r a d i t i o n t e s t c o n s u m e l a r g e a mo u n t o f t i m e s u r e l y．Ac c o r d i n g o r — t h o g o n a l t e s t d a t a， t h e r e l a t i o n s h i p b e t we e n t h e c h l o r i d e d i ffu s i o n c o e ffi c i e n t a n d s i x p a r a m e t e r s o n t h e i mp e r me a b l e p e r f o r ma n c e wa s p r e s e nt e d Ba s e d o n Se l f - a d a p t i v e wa v e l e t n e u r a l n e t wo r k me t h o d， a i nt e l l i g e nt i n f o r ma t i o n a n a l y s i s o f S e l f - a da p t i v e wa v e l e t n e u r a l n e t wo r k me t h o d， a n a rti — fi e i a l in t e l l i g e n c e i n f o rm a t i o n mo d e l f o r p r e d i c t i n g i mp e r me a b i l i t y o f c o n c r e t e wa s e s t a b l i s h e d ． R e s u l t i n d i c a t e s t h a t p r o j e c t i o n p u r s u i t r e g r e s s i o n mo d e l i s r e l i a b l e e n o u g h t o c o n c r e t e ’S v i r t u a l d e s i g n ． I t i s t e s t e d b y s ome e x a mp l e s t h a t t h e mo d e l h a s a h i g h a c c u r a c y o f r e c o g n i t i o n a n d p r e di c a — t i o n ， i t i s v a l u a b l e for g e n e r a l i z a t i o ns a n d a p pl i c a t i o ns ． Ke y wor ds ： o rth o g o na l t e s t ： c h l o r i d e i o n di ffu s i o n c oe ffic i e nt ； s e l f - a d a p t i v e wa v e l e t b a s e； a r t i fic a l n e ur a l n e t wo r k； r e c o g ni t i on； pr e d i c a t i o n ( 】 引 言 2 O世纪 3 O 年代， 人们开始关注混凝土的抗渗性能 ， 是始于 大型水 丁丁程的建设 ， 诸 如混凝土水坝 、 水 渠 、 涵管及 位于地下 水位线以下的地下结构如隧道等 ； 一旦混凝土 的抗渗性 能不足 或受到破坏， 会降低这些结构的使用效能， 造成污染、 渗漏等事 故 。 从 2 O世纪 8 0年 代起 ， 人们重新对混凝 土抗渗性能 产生 兴趣 ， 是 由于混凝土 的耐 久性 问题 日益为人们 所关注 。 混 凝土 的耐久性 ， 与水和其他有害液体 、 气体向其内部流动的数量 、 范 同等有关 ， 因此抗渗性 能高 的混凝 土 ， 其耐久性 就好 。 近年 来 ， 高性 能混凝土的概念 大有取代 高强混凝 土概念 的趋 势 ， 因为 人们认 识到强度 这一单一 的指标并不 足以揭示 结构材 料 的T 作状态。 高性能混凝土首先要求是耐久性有保证的混凝土。 混 凝土的抗渗性能与混凝土的水胶 比、 水泥强度、 矿物掺合料的 用量以及石子类型等有关， 为了获得所需的混凝土性能， 现行 的方法一般是 在基准混凝土配合 比的基础上 ， 不断进行 调整和 试配 ， 耗费了大量 的材料 ， 也 浪费了大量 的人 力和时 间[ m - ” ] ． ． 近年来 ， 随着讨‘ 算 机和科学 技术 的发 展 ， 人T神 经网络理 论得 到了迅速发展 ， 在 自然科 学各个学科得 到 了广泛应用 [6 - 12 l ， 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， 为混凝士抗渗能力的 收稿 日 期：2 0 1 0 — 1 2 _ 2 1 研 究提供 了有 力的支持 。 综上所述， 在利用神经网络对混凝土抗渗能力系统预测时， 网络单元的数 目的确定成 为一个困难 。 为此 ， 本研 究尝试采用 自 适应小波基 函数代替传 B P网络激活 函数 ， 自动确定单 元数 目， 以提高预测模型智能化程度。 1 自适应 小波神 经 网络激 活函数 1 ． 1 小波基 激 活 函数特 点 小波基激活函数采用非线性小波基函数代替非线性 S i g mo i d 等传递 函数来构造神经 网络 的拓扑结构 。 1 ． 2函数 的构造 对于满足下列 条件 ： f i ( ) i Id } ．< + 。 。 ( 1 ) 平方可积 函数 妒 ( t ) ∈， J 。 ( R) 为母 小波 ， 其 中 ( ) 为 ( t ) 的 F o u r i e r 变换 。 令 ： ( ) ： f 1 ( 2 ) 、 ／ 、。 ／ 式 中 ： n ， b为实 数 ， 且 n ≠0 ， 称 ( t ) 为 由母小波 生成 的依赖 于 n ， b的连续子波 ， 也称 为小波基 。 1 5 学兔兔 w w w .x u e t u t u .c o m 对 于非线性 函数 t ) ∈ ( 刖 ， 其小波变换可以表示 为 ： f( n ， 6 ) ： f ) f 1 c lt ( 3 ) V la I “ 取不同的伸缩因子 嘶和平移因子 b 决定的小波基 ( t ) ( i = 1 ， 2 ， ⋯， Ⅳ) 作为神经网络传递函数， 即由： ) = —l_ _ _ f 1 ( 4 ) 、 ／ 、a i 代替 s i g mo i d传递函数， 来达到对任意函数的逼近。 2 辨识 与预 测模 型的构建 对于} 昆 凝土抗渗能力系统而言， 影响因素有很多， 如小石子 掺量卢、 砂率 S p , J k ~ L ／ 3 w 、 粉煤灰与胶凝材料用量比 、 矿渣与胶 凝材料用量比B 、 骨料平均浆体厚度 AP T等。 若所建的模型考虑有 个诱发因素， 则可以把这M个诱发因素作为输入节点处理， 而对 于突出的可能性只有一个结果 ， 即有一个输 出节点 ， 如图 1 所示 。 图 1 自适应 小 波神 经 网络 结 构 对混凝土抗 渗能力系统 的预测 值 可表示 为由小波基有限 项线性叠加 。 = ∑W f 丛 1 ( 5 ) i=l t ti ， 来表式， 其中 为第 i 个小波基单元输出的权重。 对于第 i 个小波基的输入 t ： t i =∑ ( 6 ) J 1 式中： ——第 个输入 联接第 i 个单元的权重。 则式 ( 5 ) 可以表达为 ： =∑ I ∑ 一 b ( 7 ) 若有 p个训练样本， 即： ( l ， ， ⋯ ， ， Y ) ( k = l ， 2 ， ⋯， Q) 通过网络学习与训练 ， 确定网络参数 ， a ／ ⋯ b 及 Ⅳ值。 利用最小均方差能量函数进行优化： p E q = 1∑[ y 一 御 ( 8 ) 式中 ： Ⅳ值可 以根据逐步检验 的方法来确定 。 通常 ， 选 用 Mr o l e t 母小波 ： ( ) = c o s ( 1 ． 7 5 x ) e - ~ ／2 ( 9 ) 对于每个给定的 Ⅳ， 通过式( 8 ) 进一步计算参数 W ， a ／ ， 6 及 ，采用误差反向传播训练算法来调节网络中小波函数的参数 和网络的连接权值 。 3 工程 实例应用 综合分析已有研究成果， 从影响混凝土抗渗性的若干因素 中 ， 选 取小石子掺 量 卢、 砂 率 S 、 水胶 比J B w 、 粉煤灰 与胶 凝材料 用量比 、 矿渣与胶凝材料用量比 、 骨料平均浆体厚度 AP T 6个因素， 每个因素 3个水平， 减水剂与胶凝材料用量比风 定 为 2 ． 0 ％， 采用正交表 L ( 3 ) 进行正交试验。 同时 ， 为了利用人 工 神经网络对 混凝土性 能进 行预测 ， 验证性 能模型 的准确 性 ， 另外进行 5 组测试组 混凝 土配合比试验 。 耐久性测试氯离子扩 散 系数采用清华大学教授路新瀛教授提 出的‘ N E L法 【 J6 J ， 正交试 验及测试组试验数据详见表 1 、 2 ， 试验数据采用陈雄毅等的研 究 成果[ I 7 l 表 1 正交组配合 比试验结果 根据训练好的自适应小波神经网络函数， 通过只改变一个 因素的水平来研究各个因素在不同水胶比时对混凝土 2 8 d氯 离子扩散系数的影 响。 根据 l 8个测试样本基于自适应小波神经网络函数建立混 凝土抗渗性能评估的模型， 以另外 5个测试样本进行测试。 为 检验该模型的合理性及可靠性 ， 用建好的模型对训练样本进行 回判检验， 正确率 ， 可见该模型是稳定可靠的。用训练好的模型 对另外 5个测试样本进 行预测 ， 预测结果见表 2 ， 为进行 比较 ， 将神经网络的结果也列入其中， 可见， 本文建立的模型预测精 1 6 学兔兔 w w w .x u e t u t u .c o m 度高， 一定程度上精确度高于神经网络。 为混凝土渗透『生 研究提 供 了一条有效的途径 。 4结论 从影响混凝土抗渗性的若干因素中， 选取小石子掺量卢、 砂 率 s 、 水胶比 w 、 粉煤灰与胶凝材料用量比 、 矿渣与胶凝材料 用量比B K 、 骨料平均浆体厚度 A P T的 6个因素， 建立 自适应小 波神经网络模型。 该模型实现了由网络本身自动确定神经单元 的数目， 避免人为的影响， 提高了辨识和预测的可靠性和智能 化程度 。 通过实例分析表 明， 本文所建立的 自适应小波基激活 函 数神经 网络模型 ， 辨识 和预测精 度高 ， 具有重要 的推广应 用价 值 。对模 型进行 了回判验证及测 试 ，结果 表 明该模 型稳定 可 靠 ， 且可 以研究各个 素对混凝土抗 渗性 能的影 响。采用 自适 应小波神经 网络模型 预测 混凝土性 能可以提高预测准确度 ， 大 大减少试配量 ， 节约大量的人 力 、 物力和财力。 参考文献 ： 【 1 1 A NO N P e i ~ m e a b i l i t y o f c o n c r e t e [ J -] ．C o n c r e t e C o n s t r u c t i o n ， 1 9 8 9 ， 3 4 ( 1 0 ) ： 8 7 0 -8 7 2 ． [ 2 ]S OMME R H．高性 能混凝土的而 寸 久性『 M ] ． 冯乃谦 ， 等译 E 京 ： 科学 出 版 社， 1 9 9 8 ． [ 3 1 S C HE I D E G G E R A E ． T h e p h y s i c s o f fl o w t h r o u g h p o r o u s m e d i a ( 中译本 ： 多孔介质中的渗流物理) [ M ] ． 王鸿勋， 等译 京： 石油工业出版社 ， 1 9 8 2 ． [ 4 周新刚． 混凝土结构的耐久性与损伤防治【 M 】 E 京： 中国建材工业出 版社 ， 1 9 9 9 ． 『 5 1 KH A T R I R P ， S I R I V I V A T N AN O N V ． Me t h o d s f o r t h e d e t e r mi n a t i o n o f 上接第 1 4页 载中， 也是 R C 3等效黏滞阻尼系数大于试件 R C 2 ， 而且， 试件 R C 2完成 3 D 后就加载结束， 试件 R C 4在完成 4 D y 的两次循环 后 ， 才加载完成。 综合滞回曲线及骨架线， 配置 H R B 4 0 0级箍筋 的试件 R C 3的耗 能能力 明显好于试件 R C 2 。 表 4等效黏滞阻尼系数 ， 1 e 4 ． 2箍 筋强度 对延性 的 影响 箍筋强度对廷l生的影响， 计算延性系数， 结合滞回曲线及骨 架线来综合分析箍筋强度对试件延性 的影 响。 表 3 为本组试件的 延性系数计算表。 试件R C 2的延性系数为2 ．8 7 ， 试件 R C 3的延性 系数为 3 ．1 3 ， 同时， 从加载过程中， R C 3 加载到 4 D 的 2 次循环， 试件 R C 2只能加载到 3 D s 完成。 结合骨架线 ， 结果表明 ， 采用 HR B 4 0 0 级箍筋 的试件延性明显 强于采用 H P B 2 3 5 级箍筋 的试件 。 4 ． 3 箍筋 强度 对承 栽力 的影 响 箍筋 强度对极 限承载力 的影 响 ， 可以从表 3中得 出 ， 试 件 R C 3的极限承载力为 7 2 6 k N， 试件 R C 2的极限承载力为 6 5 6 k N。 结果表明采用高强箍筋， 能增加试件的极限承载力 ， 箍筋对混 凝土的约束力更强。 从承载力降低系数曲线图中比较分析， 在前 三倍位移幅值循环过程中 ， l D 幅值循环 ，两试件 的承载力 降低 速度比较暗接近， 2 D ， 幅值循环后 ， R C 2的承载力降低速度快于 试件 R C 3 。 试件 R C 3在 4 D 幅值加载时 ， 承载力快速下降。 综 合分析， 得到结论， 采用 H R B 4 0 0级箍筋的试件较采用H P B 2 3 5级 w a t e r p e r me a b i l i t y o f c o n c r e t e [ J ] ． A C I Ma t e r i a l s J o u r n al， 1 9 9 7， 9 4 3 j ： 2 5 7 — — 2 6 1 I 6 1 易成， 谢和平， 孙华飞， 等． 混凝土抗渗性能研究的现状与进展【 J 1 ．混 凝土 ， 2 0 0 3 ( 2 ) ： 7 - 3 4 ， 【 7 1 J G J 5 5 —2 o 0 0 ， 普通混凝土配合比设计规程[ s ] ． 【 8 1 胡立黎， 郑宏．基于遗传一 神经网络无黏结部分预应力高强混凝土梁 的延性l J l l江南大学学报： 自然科学版， 2 0 0 8 ， 7 ( 4 ) ： 4 7 9 — 4 8 3 ． 【 9 1吴明威 ， 付兆岗， 李铁翔， 等． 机制砂中石粉含量对混凝土性能影响 的试验研究【 J J _铁道建筑技术， 2 0 0 0 ( 4 ) ： 4 6 — 4 9 ． f 1 0 1 蔡基伟， 李北星， 周明凯 ， 等． 石粉对中低强度机制砂混凝土性能的 影响l J I _武汉理工大学学报， 2 0 0 6 ( 4 ) ： 2 7 — 3 0 ． f 1 1 1 杨玉辉 ， 周明凯， 赵华耕．C 8 0 机制砂泵送混凝土的I I i i i 及其影响因 素l J l_ 武汉理工大学学报， 2 0 0 5 ( 8 ) ： 2 7 — 3 0 ． f 1 2 1 季韬， 林挺伟 ， 林旭健． 基于人工神经网络的混凝土抗压强度预测方 法【 J J _ 建筑材料学报， 2 0 0 5 ， 8 ( 6 ) ： 6 7 6 — 6 8 1 ． [ 1 3 ] 王海超， 何世钦． 人工神经网络技术在高强混凝土中的应用 建筑 材料学报 ， 2 0 0 4 ， 3 ( 7 ) ： 9 4 — 1 0 1 ． f 1 4 1 I — C h e n g Y e h ． A n a l y s i s o f s t r e n g t h o f c o n c r e t e u s i n g d e s i g n of e x p e r i — me n t s a n d n e u r al n e t w o r k s 【J J ．J o u r n a l o f Ma t e r i als i n C i v i l E n g i n e e r i n g ， 2 0 0 6： 5 9 7 ～6 0 4． f 1 5 1 路新瀛， 李翠玲． 混凝土渗透性的电学评价l J J ． 混凝土与水泥制品， 1 9 9 9 ( 5 ) ： 1 2 一 l 4 ． f 1 陈雄毅 ， 徐毅慧， 侯乐君． 基于人工神经网络的混凝土抗渗性能预 I I [ J ] ． 福建建筑 ， 2 0 1 0 ， 1 4 6 ( 8 ) ： 9 6 — 9 8 ． 作者简介： 姚立国( 1 9 7 3 一 ) ， 男， 硕士研究生， 高级工程师， 研究方向： 工程 管理 。 联系地址： 河北省石家庄市新华区开泰街 8 O 号 河北省第四建筑工程 公 司( o 5 o 0 S 1 ) 联 系电话 ： 1 3 9 3 3 0 5 6 2 1 1 垛 竖 世 博 位 移 图 8 承载 力降低 系数 曲线 箍筋的试件 ， 极 限承载力更大 ， 且承载力 下降较缓 。 5结 论 ( 1 ) 钢筋混凝土框架柱剪跨 比 1 -5的框架柱， 发生剪压型破坏。 ( 2 ) 箍筋强度的提高， 水平抗弯承载力加大。 滞回曲线更饱满 ， 变形能力更强。 利于结构的抗震性能。 ( 3 ) 配置 H R B 4 0 0箍筋的框架柱的延性 、 恢复力特征都明 显优于配置 HP B 2 3 5 级箍筋框架柱 ， 试验表明， 运用 H R B 4 0 0 级 箍筋的短柱 ， 框架柱 的抗震性能更好 。 参考文献 ： [ 1 ]沈聚 敏 ， 周锡元 ， 高小旺 ， 等 ． 抗震工程 学[ M] ． 中国建筑工业 出版社 ， 2 O H 0 0 ( 1 2 ) ． [ 2 ]肖建庄 冈 筋混凝土框架柱轴压比限植研究[ D ] ． 上海： 同济大学， 1 9 9 7 ． [ 3 j周志详， 刘益虹． 工程结构检测『 J 】 ． 2 0 0 7 ． [ 4 ]李树 良 箍筋约束 混凝 土轴压短柱强度 及变形性 能研究[ Dl _天 津 ： 天 津大学 ， 1 9 8 5 ． 作者简介： 王立争( 1 9 7 5 一 ) ， 男， 硕士研究生， 工程师。 联系地址： 沈阳市沈北新区浦硕路 8 8 号( 1 1 0 1 0 6 ) 联系电话 ： 1 5 9 4 0 0 4 2 2 7 5 1 7 学兔兔 w w w .x u e t u t u .c o m