許紅葉 陳振富

1.南華大學(xué)城市建設(shè)學(xué)院，湖南 衡陽(yáng) 421001

2.湖南高速鐵路職業(yè)技術(shù)學(xué)院，湖南 衡陽(yáng) 421001

基于灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)橋梁基樁混凝土自由收縮應(yīng)變

許紅葉12陳振富1

1.南華大學(xué)城市建設(shè)學(xué)院，湖南 衡陽(yáng) 421001

2.湖南高速鐵路職業(yè)技術(shù)學(xué)院，湖南 衡陽(yáng) 421001

橋梁基樁混凝土的自由收縮應(yīng)變是基樁變形研究的一個(gè)重要方面，受多種因素影響，建立計(jì)算模型比較困難。本文在試驗(yàn)研究的基礎(chǔ)上，利用灰色神經(jīng)網(wǎng)絡(luò)技術(shù)，在考慮多種影響因素的情況下，建立灰色神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)基樁混凝土的自由收縮應(yīng)變，從而降低了工程造價(jià)，同時(shí)還可以得到較滿意的預(yù)測(cè)結(jié)果，為橋梁基樁混凝土自由收縮應(yīng)變的研究提供了一種新方法和新思路，為工程實(shí)際應(yīng)用提供了簡(jiǎn)便的預(yù)測(cè)方法，具有重要意義。

基樁;GM(1,1)模型;灰色理論；神經(jīng)網(wǎng)絡(luò);自由收縮應(yīng)變;預(yù)測(cè)

foundation pile; GM(1,1)model; gray theory；neural networks; free shrinkage strain; prediction

1 前言

橋梁結(jié)構(gòu)混凝土耐久性的問(wèn)題越來(lái)越引起工程界的重視。在橋梁領(lǐng)域，泵送混凝土澆筑的構(gòu)件收縮量很大，因此經(jīng)常出現(xiàn)收縮裂縫。混凝土的收縮機(jī)理至今尚未統(tǒng)一，但大多數(shù)的研究成果認(rèn)為混凝土是具有大量孔隙的材料。

國(guó)內(nèi)外有不少研究成果[1～3]，以往的研究成果多數(shù)以試驗(yàn)數(shù)據(jù)為依據(jù)，建立的混凝土自由收縮應(yīng)變的表達(dá)式，都能在特定條件下反映一定的規(guī)律。但是橋梁工程所處環(huán)境變化較多，因此沒(méi)有統(tǒng)一的公式。同時(shí)，對(duì)實(shí)際工程而言，不可能對(duì)每一個(gè)工程都做試驗(yàn)，從而建立具體工程的混凝土自由收縮應(yīng)變的表達(dá)式，如果建立橋梁工程樣本庫(kù)就能更好地解決問(wèn)題，同時(shí)降低工程鑒定造價(jià)，成本降低，灰色神經(jīng)網(wǎng)絡(luò)方法就具有這方面的優(yōu)勢(shì)。因此，本文基于灰色神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)這一問(wèn)題進(jìn)行探討。

2 混凝土自由收縮機(jī)理

混凝土的自由收縮是指混凝土在不受力的情況下，因變形產(chǎn)生的體積減小，一般說(shuō)來(lái)，混凝土的自由收縮機(jī)理主要有以下3種[2]：

(1)硬化收縮 (2)失水收縮 (3)碳化收縮

在這三者中，以失水收縮最為顯著，大約占總體積收縮量的80%～90%，混凝土的收縮是一個(gè)長(zhǎng)期發(fā)展的過(guò)程，但早期發(fā)展較快，后期會(huì)逐漸減緩，若收縮以30年計(jì)算，則收縮量的60%～85%是在第1年內(nèi)完成。

混凝土的體積收縮是一種必然現(xiàn)象，由于結(jié)構(gòu)的整體作用，每種構(gòu)件都受到不同程度的約束，因此混凝土收縮必然在結(jié)構(gòu)構(gòu)件中產(chǎn)生內(nèi)應(yīng)力，當(dāng)這些應(yīng)力足夠大時(shí)，就會(huì)導(dǎo)致結(jié)構(gòu)構(gòu)件的開(kāi)裂。

3 自由收縮應(yīng)變的試驗(yàn)評(píng)估模型

混凝土自由收縮經(jīng)驗(yàn)公式很多，經(jīng)綜合分析，決定采用美國(guó)ACI209委員會(huì)方法[2]。

潮濕養(yǎng)護(hù)條件下的自由收縮

式中，t為養(yǎng)護(hù)終了以后的天數(shù)；εsh，(t)為某一天的收縮值；εsh,∞為極限收縮值。

式中，γcp為初始養(yǎng)護(hù)條件的校正系數(shù)；γλ為環(huán)境相對(duì)濕度校正系數(shù)；γh為平均厚度校正系數(shù)；γs為坍落度校正系數(shù)； γψ為細(xì)集料含量校正系數(shù)；γc為水泥含量校正系數(shù)；γa為空氣含量校正系數(shù)。

4 灰色神經(jīng)網(wǎng)絡(luò)組合模型

4.1 理論基礎(chǔ)

灰色神經(jīng)網(wǎng)絡(luò)是指將灰色系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的算法，使兩者優(yōu)缺互補(bǔ)，從而提高計(jì)算精度和運(yùn)算能力，更好地解決復(fù)雜的小確定性問(wèn)題。灰色神經(jīng)網(wǎng)絡(luò)組合模型的建模原理是將GM(1,1)模型所得的預(yù)測(cè)值作為BP神經(jīng)網(wǎng)絡(luò)的輸入樣本，把真實(shí)值作為目標(biāo)樣本，神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，可得到一系列對(duì)應(yīng)于相應(yīng)結(jié)點(diǎn)的權(quán)值與閾值[5]。然后再將第一步GM(1，l)模型的預(yù)測(cè)值作為神經(jīng)網(wǎng)絡(luò)的輸入，進(jìn)行仿真得到相應(yīng)的輸出，即為組合模型的預(yù)測(cè)結(jié)果。該組合方法主要是通過(guò)3層BP神經(jīng)網(wǎng)絡(luò)具有偏差和至少1個(gè)S型隱含層加上1個(gè)線性輸出層的網(wǎng)絡(luò)能逼近任何有理函數(shù)的特性，通過(guò)訓(xùn)練使得神經(jīng)網(wǎng)絡(luò)來(lái)模擬序列數(shù)據(jù)之間與序列之間的關(guān)系，如圖1所示。

圖1 灰色神經(jīng)網(wǎng)絡(luò)組合模型示意圖

4.2 網(wǎng)絡(luò)建模

大量工程調(diào)查和研究結(jié)果表明[1,2,6-8]，混凝土自由收縮應(yīng)變與水灰比、齡期、砂率和環(huán)境相對(duì)濕度有密切關(guān)系。隨著水灰比的降低、齡期的增長(zhǎng)、砂率的提高及相對(duì)濕度的降低，基樁混凝土自由收縮應(yīng)變是提高的。

因此，選取網(wǎng)絡(luò)模型為輸入層4個(gè)節(jié)點(diǎn)，分別為水灰比、齡期、砂率和環(huán)境相對(duì)濕度；輸出層為1個(gè)節(jié)點(diǎn)，為自由收縮應(yīng)變；隱層取8個(gè)節(jié)點(diǎn)。

5 算例及分析

從實(shí)際工程中獲得試驗(yàn)數(shù)據(jù)8組。以其中的5組構(gòu)成訓(xùn)練集，如表1所示，以其余3組作為測(cè)試集，如表2所示。

表1 灰色神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)結(jié)果與公式計(jì)算結(jié)果對(duì)比

表2 灰色神經(jīng)網(wǎng)絡(luò)測(cè)試結(jié)果與公式計(jì)算結(jié)果對(duì)比

由表1、2可以看出，由灰色神經(jīng)網(wǎng)絡(luò)得到的計(jì)算值與實(shí)測(cè)值的差異較小，較之其他方法[2]所得的結(jié)果更接近工程實(shí)際，建立的灰色自由收縮應(yīng)變預(yù)測(cè)模型，其結(jié)果是令人滿意的。

6 結(jié)語(yǔ)

（1）研究混凝土自由收縮應(yīng)變是研究鋼筋混凝土結(jié)構(gòu)耐久性的一個(gè)關(guān)鍵問(wèn)題。本文建立的混凝土自由收縮應(yīng)變的預(yù)測(cè)模型，其結(jié)果是令人滿意的。

( 2)灰色神經(jīng)網(wǎng)絡(luò)組合模型將GM ( 1, 1)模型與BP神經(jīng)網(wǎng)絡(luò)模型優(yōu)點(diǎn)相結(jié)合，有實(shí)際的工程應(yīng)用前景。

[1] 馬新偉,史壽國(guó),張印成.高性能混凝土自由收縮與限制收縮[J].低溫建筑技術(shù),2007(3):14-16.

[2] 周履, 陳永春.收縮徐變[M].北京:中國(guó)鐵道出版社,1994.

[3] Vivian W. Y. Tam C. M. Tam. Assessment of durability of recycled aggregate concrete produced by two-stage mixing approach[J]. J Mater Sci,2007(42):3592-3602.

[4] CARSTEN H.BOTTS. A shrinkage estimator for spectral densities[J]. Bilmetrika Trust,2006(93):179-185.

[5] 劉思峰等.灰色系統(tǒng)理論及其應(yīng)用[M].北京:科學(xué)出版社,2004

[6] 彭振斌,陳迎明,劉安邦.混凝土收縮機(jī)理及其診治原理[J].混凝土,2003(3):30-31.

[7] 許東,吳錚.基于MATLAB6.x的系統(tǒng)分析與設(shè)計(jì)—神經(jīng)網(wǎng)絡(luò)[M].第二版.西安:西安電子科技大學(xué)出版社,2002.

[8] 吳相豪.海洋環(huán)境中鋼筋混凝土構(gòu)件銹脹開(kāi)裂時(shí)間的解析解[J].上海海事大學(xué)學(xué)報(bào),2006,27(3):22-26.

The Prediction of Free Shrinkage Strain of Reinforcement in Bridge Pile Concrete by Gray Neural Network

XU Hong-ye1,2CHEN Zhen-fu1
1. School of Urban Construction, University of South China, Hengyang 421001 2. Hunan Technical College of Railway High-Speed, Hengyang 421001

The free shrinkage strain of bridge pile concrete is an important aspect.It is influenced by many factors which make it difficult to build any calculation model. Based on the test results, gray neural network was introduced into the prediction of the free shrinkage strain of bridge pile in this paper. Considering multi-factors, gray neural network models were built. It is shown that satisfactory results can be achieved by the given models, whereas need no mathematical model. Therefore, gray neural network will break a new approach for the study on the free shrinkage strain of concrete, which will provide a simple calculation method for engineering in practice as well.

10.3969/j.issn.1001-8972.2012.10.046

TU375

A

許紅葉（1984.8）,女,職稱：講師，研究方向：建筑與土木工程

陳振富，男，職稱：教授，研究方向：建筑與土木工程。