王振國(guó)　宓永寧　岳川

摘要：混凝土抗壓強(qiáng)度是混凝土最重要的性能之一，是混凝土質(zhì)量控制最核心的內(nèi)容。通過(guò)介紹混凝土強(qiáng)度的預(yù)測(cè)方法、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的過(guò)程，在主要考慮水灰比、砂率和水泥用量3個(gè)因素的情況下，基于MATLAB用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)特細(xì)砂混凝土強(qiáng)度。分析表明：通過(guò)BP神經(jīng)網(wǎng)絡(luò)模型擬合的計(jì)算期望值和實(shí)際值的相關(guān)系數(shù)達(dá)到0.96287，相關(guān)性非常顯著。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；特細(xì)砂混凝土；強(qiáng)度預(yù)測(cè)模型

中圖分類號(hào)：TV431 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-1161（2014）06-0062-03

1 混凝土強(qiáng)度的預(yù)測(cè)方法

1） 利用鮑羅米公式預(yù)測(cè)。此方法主要是用鮑羅米公式預(yù)測(cè)混凝土28 d的強(qiáng)度：

由于在很長(zhǎng)一段時(shí)間內(nèi)，混凝土工程中使用的水泥品種和強(qiáng)度等級(jí)較單一，混凝土的組成材料也比較簡(jiǎn)單，因而用該關(guān)系式預(yù)測(cè)的混凝土強(qiáng)度具有較好的準(zhǔn)確性。

2） 其他經(jīng)驗(yàn)公式預(yù)測(cè)。通過(guò)其他經(jīng)驗(yàn)公式來(lái)預(yù)測(cè)不同齡期的混凝土強(qiáng)度。

3） FCT預(yù)測(cè)。利用FCT混凝土測(cè)試儀的探頭和內(nèi)置的混凝土強(qiáng)度與水灰比坍落度的函數(shù)關(guān)系曲線，通過(guò)檢測(cè)新拌制混凝土的水灰比、坍落度和探頭扭矩，可比較快捷地預(yù)測(cè)出新拌制混凝土的強(qiáng)度，相對(duì)誤差也較小。

2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的過(guò)程

1） 確定BP網(wǎng)絡(luò)模型中輸入、輸出變量的個(gè)數(shù)。決定混凝土強(qiáng)度的因素有很多，如水灰比、砂率、水泥用量、砂用量、石子用量以及級(jí)配等。特細(xì)砂配制混凝土與普通中砂存在較大區(qū)別，要遵循“三低兩摻”的配制原則。因此，在利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)特細(xì)砂混凝土強(qiáng)度時(shí)主要考慮水灰比、砂率和水泥用量3個(gè)因素。將這3個(gè)指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)的輸入量，輸出量為混凝土28d抗壓強(qiáng)度。

2） 定義網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，確定單隱層或者多隱層以及隱層神經(jīng)元數(shù)目。本網(wǎng)絡(luò)有1個(gè)輸入層、1個(gè)輸出層和1個(gè)隱層構(gòu)成。輸入層有3個(gè)節(jié)點(diǎn)，輸出層有1個(gè)節(jié)點(diǎn)。1987年Hecht-Nielsen提出隱層節(jié)點(diǎn)的數(shù)目為2N+l，其中N為輸入節(jié)點(diǎn)數(shù)。N=1，則隱層有7個(gè)節(jié)點(diǎn)。每1個(gè)節(jié)點(diǎn)表示1個(gè)神經(jīng)元，上層節(jié)點(diǎn)與下層節(jié)點(diǎn)之間通過(guò)權(quán)連接，層與層之間的節(jié)點(diǎn)采用全互聯(lián)的連接方式，每層內(nèi)節(jié)點(diǎn)之間沒(méi)有聯(lián)系。

3） 選擇訓(xùn)練算法。本網(wǎng)絡(luò)采用的是基于數(shù)值優(yōu)化的Levenberg-Marquardt算法（簡(jiǎn)稱LM算法），該算法是對(duì)BP算法的改進(jìn)，利用近似的二階導(dǎo)數(shù)信息，比原始的BP算法快，不僅可提高網(wǎng)絡(luò)學(xué)習(xí)速度，而且增加算法的可靠性，用于混凝土的強(qiáng)度預(yù)測(cè)效果也較好。

4） 選擇學(xué)習(xí)算法。在該網(wǎng)絡(luò)中，通過(guò)改變隱含層神經(jīng)元的個(gè)數(shù)、隱含層和輸出層的神經(jīng)元傳遞函數(shù)、選擇合適的學(xué)習(xí)算法等使建立的網(wǎng)絡(luò)能達(dá)到預(yù)定的誤差要求。本網(wǎng)絡(luò)在隱含層上的激活函數(shù)采用S型對(duì)數(shù)函數(shù)logsig，其數(shù)學(xué)表達(dá)式為：

本網(wǎng)絡(luò)的學(xué)習(xí)算法采用默認(rèn)的帶動(dòng)量項(xiàng)的BP學(xué)習(xí)規(guī)則learngdm，網(wǎng)絡(luò)的性能函數(shù)也采用默認(rèn)的均方差性能分析函數(shù)mse。根據(jù)以下代碼創(chuàng)建1個(gè)符合上述要求的BP網(wǎng)絡(luò)：

3 網(wǎng)絡(luò)訓(xùn)練與預(yù)測(cè)結(jié)果分析

本網(wǎng)絡(luò)主要預(yù)測(cè)特細(xì)砂混凝土28 d抗壓強(qiáng)度這一指標(biāo)。本次預(yù)測(cè)網(wǎng)絡(luò)選用實(shí)驗(yàn)室中幾組配制的邊長(zhǎng)為150 mm的立方體標(biāo)準(zhǔn)試件配合比及實(shí)測(cè)28 d抗壓強(qiáng)度作為資料。選16組試驗(yàn)數(shù)據(jù)作為訓(xùn)練樣本資料，8組作為測(cè)試樣本資料，對(duì)網(wǎng)絡(luò)訓(xùn)練的各個(gè)參數(shù)進(jìn)行設(shè)置。將上述試驗(yàn)數(shù)據(jù)轉(zhuǎn)化為樣本數(shù)據(jù)，取前16組作為訓(xùn)練樣本，取后8組作為測(cè)試樣本。試驗(yàn)數(shù)據(jù)如表1所示。

基于MATLAB軟件進(jìn)行運(yùn)算，結(jié)果如圖1所示。

預(yù)測(cè)值與實(shí)測(cè)值對(duì)比情況如釁2所示。

表2是通過(guò)MATLAB程序運(yùn)算得到的預(yù)測(cè)結(jié)果值及誤差值。從表2可看出：預(yù)測(cè)值絕對(duì)誤差最大為2.61，相對(duì)誤差最大不超過(guò)10.00%，平均相對(duì)誤差為2.32%，相對(duì)誤差的方差為27.09。因此，該模型預(yù)測(cè)精度是比較高的，在工程應(yīng)用中能夠滿足實(shí)際生產(chǎn)的要求。

實(shí)際值與預(yù)測(cè)值的擬合程度良好，輸出值=0.93×目標(biāo)值+2.5。通過(guò)MATLAB程序確定實(shí)際值與期望值的相關(guān)系數(shù)達(dá)到0.962 87，相關(guān)性非常顯著，說(shuō)明了特細(xì)砂混凝土28 d抗壓強(qiáng)度的預(yù)測(cè)值與實(shí)測(cè)值擬合程序比較高。

4 結(jié)語(yǔ)

試驗(yàn)結(jié)果表明，建立的網(wǎng)絡(luò)性能較好，預(yù)測(cè)結(jié)果與實(shí)際情況比較接近。說(shuō)明預(yù)測(cè)建立的基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)具有較好的泛化能力，利用特細(xì)砂這一特殊細(xì)骨料所配制的混凝土，其強(qiáng)度預(yù)測(cè)是可行的。通過(guò)預(yù)測(cè)特細(xì)砂混凝土抗壓強(qiáng)度，可以從理論上豐富特細(xì)砂的研究，為特細(xì)砂用于工程實(shí)際質(zhì)量控制提供途徑。

參考文獻(xiàn)

[1] 韓敏，席建輝.神經(jīng)網(wǎng)絡(luò)法在混凝土強(qiáng)度研究中的應(yīng)用[J].建筑材料學(xué)報(bào)，2001（4）：191-195.

[2] 胡明玉，唐明述.神經(jīng)網(wǎng)絡(luò)在高強(qiáng)粉煤灰混凝土強(qiáng)度預(yù)測(cè)及優(yōu)化設(shè)計(jì)中的應(yīng)用[J].混凝土，2001（1）：13-16.

[3] 李瑞鋒.BP神經(jīng)網(wǎng)絡(luò)在現(xiàn)場(chǎng)混凝土強(qiáng)度預(yù)測(cè)中的應(yīng)用研究[D].天津：天津大學(xué)，2008.

[4] 劉婷婷，章克凌.人工神經(jīng)網(wǎng)絡(luò)在混凝土強(qiáng)度預(yù)測(cè)中的應(yīng)用[J].粉煤灰綜合利用，2005（4）：9-11.

[5] 李宇峰，裴旭東.BP神經(jīng)網(wǎng)絡(luò)實(shí)際應(yīng)用中的若干問(wèn)題[J].兵工自動(dòng)化，1998（1）：1-4.

摘要：混凝土抗壓強(qiáng)度是混凝土最重要的性能之一，是混凝土質(zhì)量控制最核心的內(nèi)容。通過(guò)介紹混凝土強(qiáng)度的預(yù)測(cè)方法、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的過(guò)程，在主要考慮水灰比、砂率和水泥用量3個(gè)因素的情況下，基于MATLAB用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)特細(xì)砂混凝土強(qiáng)度。分析表明：通過(guò)BP神經(jīng)網(wǎng)絡(luò)模型擬合的計(jì)算期望值和實(shí)際值的相關(guān)系數(shù)達(dá)到0.96287，相關(guān)性非常顯著。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；特細(xì)砂混凝土；強(qiáng)度預(yù)測(cè)模型

中圖分類號(hào)：TV431 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-1161（2014）06-0062-03

1 混凝土強(qiáng)度的預(yù)測(cè)方法

1） 利用鮑羅米公式預(yù)測(cè)。此方法主要是用鮑羅米公式預(yù)測(cè)混凝土28 d的強(qiáng)度：

由于在很長(zhǎng)一段時(shí)間內(nèi)，混凝土工程中使用的水泥品種和強(qiáng)度等級(jí)較單一，混凝土的組成材料也比較簡(jiǎn)單，因而用該關(guān)系式預(yù)測(cè)的混凝土強(qiáng)度具有較好的準(zhǔn)確性。

2） 其他經(jīng)驗(yàn)公式預(yù)測(cè)。通過(guò)其他經(jīng)驗(yàn)公式來(lái)預(yù)測(cè)不同齡期的混凝土強(qiáng)度。

3） FCT預(yù)測(cè)。利用FCT混凝土測(cè)試儀的探頭和內(nèi)置的混凝土強(qiáng)度與水灰比坍落度的函數(shù)關(guān)系曲線，通過(guò)檢測(cè)新拌制混凝土的水灰比、坍落度和探頭扭矩，可比較快捷地預(yù)測(cè)出新拌制混凝土的強(qiáng)度，相對(duì)誤差也較小。

2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的過(guò)程

1） 確定BP網(wǎng)絡(luò)模型中輸入、輸出變量的個(gè)數(shù)。決定混凝土強(qiáng)度的因素有很多，如水灰比、砂率、水泥用量、砂用量、石子用量以及級(jí)配等。特細(xì)砂配制混凝土與普通中砂存在較大區(qū)別，要遵循“三低兩摻”的配制原則。因此，在利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)特細(xì)砂混凝土強(qiáng)度時(shí)主要考慮水灰比、砂率和水泥用量3個(gè)因素。將這3個(gè)指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)的輸入量，輸出量為混凝土28d抗壓強(qiáng)度。

2） 定義網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，確定單隱層或者多隱層以及隱層神經(jīng)元數(shù)目。本網(wǎng)絡(luò)有1個(gè)輸入層、1個(gè)輸出層和1個(gè)隱層構(gòu)成。輸入層有3個(gè)節(jié)點(diǎn)，輸出層有1個(gè)節(jié)點(diǎn)。1987年Hecht-Nielsen提出隱層節(jié)點(diǎn)的數(shù)目為2N+l，其中N為輸入節(jié)點(diǎn)數(shù)。N=1，則隱層有7個(gè)節(jié)點(diǎn)。每1個(gè)節(jié)點(diǎn)表示1個(gè)神經(jīng)元，上層節(jié)點(diǎn)與下層節(jié)點(diǎn)之間通過(guò)權(quán)連接，層與層之間的節(jié)點(diǎn)采用全互聯(lián)的連接方式，每層內(nèi)節(jié)點(diǎn)之間沒(méi)有聯(lián)系。

3） 選擇訓(xùn)練算法。本網(wǎng)絡(luò)采用的是基于數(shù)值優(yōu)化的Levenberg-Marquardt算法（簡(jiǎn)稱LM算法），該算法是對(duì)BP算法的改進(jìn)，利用近似的二階導(dǎo)數(shù)信息，比原始的BP算法快，不僅可提高網(wǎng)絡(luò)學(xué)習(xí)速度，而且增加算法的可靠性，用于混凝土的強(qiáng)度預(yù)測(cè)效果也較好。

4） 選擇學(xué)習(xí)算法。在該網(wǎng)絡(luò)中，通過(guò)改變隱含層神經(jīng)元的個(gè)數(shù)、隱含層和輸出層的神經(jīng)元傳遞函數(shù)、選擇合適的學(xué)習(xí)算法等使建立的網(wǎng)絡(luò)能達(dá)到預(yù)定的誤差要求。本網(wǎng)絡(luò)在隱含層上的激活函數(shù)采用S型對(duì)數(shù)函數(shù)logsig，其數(shù)學(xué)表達(dá)式為：

本網(wǎng)絡(luò)的學(xué)習(xí)算法采用默認(rèn)的帶動(dòng)量項(xiàng)的BP學(xué)習(xí)規(guī)則learngdm，網(wǎng)絡(luò)的性能函數(shù)也采用默認(rèn)的均方差性能分析函數(shù)mse。根據(jù)以下代碼創(chuàng)建1個(gè)符合上述要求的BP網(wǎng)絡(luò)：

3 網(wǎng)絡(luò)訓(xùn)練與預(yù)測(cè)結(jié)果分析

本網(wǎng)絡(luò)主要預(yù)測(cè)特細(xì)砂混凝土28 d抗壓強(qiáng)度這一指標(biāo)。本次預(yù)測(cè)網(wǎng)絡(luò)選用實(shí)驗(yàn)室中幾組配制的邊長(zhǎng)為150 mm的立方體標(biāo)準(zhǔn)試件配合比及實(shí)測(cè)28 d抗壓強(qiáng)度作為資料。選16組試驗(yàn)數(shù)據(jù)作為訓(xùn)練樣本資料，8組作為測(cè)試樣本資料，對(duì)網(wǎng)絡(luò)訓(xùn)練的各個(gè)參數(shù)進(jìn)行設(shè)置。將上述試驗(yàn)數(shù)據(jù)轉(zhuǎn)化為樣本數(shù)據(jù)，取前16組作為訓(xùn)練樣本，取后8組作為測(cè)試樣本。試驗(yàn)數(shù)據(jù)如表1所示。

基于MATLAB軟件進(jìn)行運(yùn)算，結(jié)果如圖1所示。

預(yù)測(cè)值與實(shí)測(cè)值對(duì)比情況如釁2所示。

表2是通過(guò)MATLAB程序運(yùn)算得到的預(yù)測(cè)結(jié)果值及誤差值。從表2可看出：預(yù)測(cè)值絕對(duì)誤差最大為2.61，相對(duì)誤差最大不超過(guò)10.00%，平均相對(duì)誤差為2.32%，相對(duì)誤差的方差為27.09。因此，該模型預(yù)測(cè)精度是比較高的，在工程應(yīng)用中能夠滿足實(shí)際生產(chǎn)的要求。

實(shí)際值與預(yù)測(cè)值的擬合程度良好，輸出值=0.93×目標(biāo)值+2.5。通過(guò)MATLAB程序確定實(shí)際值與期望值的相關(guān)系數(shù)達(dá)到0.962 87，相關(guān)性非常顯著，說(shuō)明了特細(xì)砂混凝土28 d抗壓強(qiáng)度的預(yù)測(cè)值與實(shí)測(cè)值擬合程序比較高。

4 結(jié)語(yǔ)

試驗(yàn)結(jié)果表明，建立的網(wǎng)絡(luò)性能較好，預(yù)測(cè)結(jié)果與實(shí)際情況比較接近。說(shuō)明預(yù)測(cè)建立的基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)具有較好的泛化能力，利用特細(xì)砂這一特殊細(xì)骨料所配制的混凝土，其強(qiáng)度預(yù)測(cè)是可行的。通過(guò)預(yù)測(cè)特細(xì)砂混凝土抗壓強(qiáng)度，可以從理論上豐富特細(xì)砂的研究，為特細(xì)砂用于工程實(shí)際質(zhì)量控制提供途徑。

參考文獻(xiàn)

[1] 韓敏，席建輝.神經(jīng)網(wǎng)絡(luò)法在混凝土強(qiáng)度研究中的應(yīng)用[J].建筑材料學(xué)報(bào)，2001（4）：191-195.

[2] 胡明玉，唐明述.神經(jīng)網(wǎng)絡(luò)在高強(qiáng)粉煤灰混凝土強(qiáng)度預(yù)測(cè)及優(yōu)化設(shè)計(jì)中的應(yīng)用[J].混凝土，2001（1）：13-16.

[3] 李瑞鋒.BP神經(jīng)網(wǎng)絡(luò)在現(xiàn)場(chǎng)混凝土強(qiáng)度預(yù)測(cè)中的應(yīng)用研究[D].天津：天津大學(xué)，2008.

[4] 劉婷婷，章克凌.人工神經(jīng)網(wǎng)絡(luò)在混凝土強(qiáng)度預(yù)測(cè)中的應(yīng)用[J].粉煤灰綜合利用，2005（4）：9-11.

[5] 李宇峰，裴旭東.BP神經(jīng)網(wǎng)絡(luò)實(shí)際應(yīng)用中的若干問(wèn)題[J].兵工自動(dòng)化，1998（1）：1-4.

摘要：混凝土抗壓強(qiáng)度是混凝土最重要的性能之一，是混凝土質(zhì)量控制最核心的內(nèi)容。通過(guò)介紹混凝土強(qiáng)度的預(yù)測(cè)方法、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的過(guò)程，在主要考慮水灰比、砂率和水泥用量3個(gè)因素的情況下，基于MATLAB用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)特細(xì)砂混凝土強(qiáng)度。分析表明：通過(guò)BP神經(jīng)網(wǎng)絡(luò)模型擬合的計(jì)算期望值和實(shí)際值的相關(guān)系數(shù)達(dá)到0.96287，相關(guān)性非常顯著。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；特細(xì)砂混凝土；強(qiáng)度預(yù)測(cè)模型

中圖分類號(hào)：TV431 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-1161（2014）06-0062-03

1 混凝土強(qiáng)度的預(yù)測(cè)方法

1） 利用鮑羅米公式預(yù)測(cè)。此方法主要是用鮑羅米公式預(yù)測(cè)混凝土28 d的強(qiáng)度：

由于在很長(zhǎng)一段時(shí)間內(nèi)，混凝土工程中使用的水泥品種和強(qiáng)度等級(jí)較單一，混凝土的組成材料也比較簡(jiǎn)單，因而用該關(guān)系式預(yù)測(cè)的混凝土強(qiáng)度具有較好的準(zhǔn)確性。

2） 其他經(jīng)驗(yàn)公式預(yù)測(cè)。通過(guò)其他經(jīng)驗(yàn)公式來(lái)預(yù)測(cè)不同齡期的混凝土強(qiáng)度。

3） FCT預(yù)測(cè)。利用FCT混凝土測(cè)試儀的探頭和內(nèi)置的混凝土強(qiáng)度與水灰比坍落度的函數(shù)關(guān)系曲線，通過(guò)檢測(cè)新拌制混凝土的水灰比、坍落度和探頭扭矩，可比較快捷地預(yù)測(cè)出新拌制混凝土的強(qiáng)度，相對(duì)誤差也較小。

2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的過(guò)程

1） 確定BP網(wǎng)絡(luò)模型中輸入、輸出變量的個(gè)數(shù)。決定混凝土強(qiáng)度的因素有很多，如水灰比、砂率、水泥用量、砂用量、石子用量以及級(jí)配等。特細(xì)砂配制混凝土與普通中砂存在較大區(qū)別，要遵循“三低兩摻”的配制原則。因此，在利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)特細(xì)砂混凝土強(qiáng)度時(shí)主要考慮水灰比、砂率和水泥用量3個(gè)因素。將這3個(gè)指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)的輸入量，輸出量為混凝土28d抗壓強(qiáng)度。

2） 定義網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，確定單隱層或者多隱層以及隱層神經(jīng)元數(shù)目。本網(wǎng)絡(luò)有1個(gè)輸入層、1個(gè)輸出層和1個(gè)隱層構(gòu)成。輸入層有3個(gè)節(jié)點(diǎn)，輸出層有1個(gè)節(jié)點(diǎn)。1987年Hecht-Nielsen提出隱層節(jié)點(diǎn)的數(shù)目為2N+l，其中N為輸入節(jié)點(diǎn)數(shù)。N=1，則隱層有7個(gè)節(jié)點(diǎn)。每1個(gè)節(jié)點(diǎn)表示1個(gè)神經(jīng)元，上層節(jié)點(diǎn)與下層節(jié)點(diǎn)之間通過(guò)權(quán)連接，層與層之間的節(jié)點(diǎn)采用全互聯(lián)的連接方式，每層內(nèi)節(jié)點(diǎn)之間沒(méi)有聯(lián)系。

3） 選擇訓(xùn)練算法。本網(wǎng)絡(luò)采用的是基于數(shù)值優(yōu)化的Levenberg-Marquardt算法（簡(jiǎn)稱LM算法），該算法是對(duì)BP算法的改進(jìn)，利用近似的二階導(dǎo)數(shù)信息，比原始的BP算法快，不僅可提高網(wǎng)絡(luò)學(xué)習(xí)速度，而且增加算法的可靠性，用于混凝土的強(qiáng)度預(yù)測(cè)效果也較好。

4） 選擇學(xué)習(xí)算法。在該網(wǎng)絡(luò)中，通過(guò)改變隱含層神經(jīng)元的個(gè)數(shù)、隱含層和輸出層的神經(jīng)元傳遞函數(shù)、選擇合適的學(xué)習(xí)算法等使建立的網(wǎng)絡(luò)能達(dá)到預(yù)定的誤差要求。本網(wǎng)絡(luò)在隱含層上的激活函數(shù)采用S型對(duì)數(shù)函數(shù)logsig，其數(shù)學(xué)表達(dá)式為：

本網(wǎng)絡(luò)的學(xué)習(xí)算法采用默認(rèn)的帶動(dòng)量項(xiàng)的BP學(xué)習(xí)規(guī)則learngdm，網(wǎng)絡(luò)的性能函數(shù)也采用默認(rèn)的均方差性能分析函數(shù)mse。根據(jù)以下代碼創(chuàng)建1個(gè)符合上述要求的BP網(wǎng)絡(luò)：

3 網(wǎng)絡(luò)訓(xùn)練與預(yù)測(cè)結(jié)果分析

本網(wǎng)絡(luò)主要預(yù)測(cè)特細(xì)砂混凝土28 d抗壓強(qiáng)度這一指標(biāo)。本次預(yù)測(cè)網(wǎng)絡(luò)選用實(shí)驗(yàn)室中幾組配制的邊長(zhǎng)為150 mm的立方體標(biāo)準(zhǔn)試件配合比及實(shí)測(cè)28 d抗壓強(qiáng)度作為資料。選16組試驗(yàn)數(shù)據(jù)作為訓(xùn)練樣本資料，8組作為測(cè)試樣本資料，對(duì)網(wǎng)絡(luò)訓(xùn)練的各個(gè)參數(shù)進(jìn)行設(shè)置。將上述試驗(yàn)數(shù)據(jù)轉(zhuǎn)化為樣本數(shù)據(jù)，取前16組作為訓(xùn)練樣本，取后8組作為測(cè)試樣本。試驗(yàn)數(shù)據(jù)如表1所示。

基于MATLAB軟件進(jìn)行運(yùn)算，結(jié)果如圖1所示。

預(yù)測(cè)值與實(shí)測(cè)值對(duì)比情況如釁2所示。

表2是通過(guò)MATLAB程序運(yùn)算得到的預(yù)測(cè)結(jié)果值及誤差值。從表2可看出：預(yù)測(cè)值絕對(duì)誤差最大為2.61，相對(duì)誤差最大不超過(guò)10.00%，平均相對(duì)誤差為2.32%，相對(duì)誤差的方差為27.09。因此，該模型預(yù)測(cè)精度是比較高的，在工程應(yīng)用中能夠滿足實(shí)際生產(chǎn)的要求。

實(shí)際值與預(yù)測(cè)值的擬合程度良好，輸出值=0.93×目標(biāo)值+2.5。通過(guò)MATLAB程序確定實(shí)際值與期望值的相關(guān)系數(shù)達(dá)到0.962 87，相關(guān)性非常顯著，說(shuō)明了特細(xì)砂混凝土28 d抗壓強(qiáng)度的預(yù)測(cè)值與實(shí)測(cè)值擬合程序比較高。

4 結(jié)語(yǔ)

試驗(yàn)結(jié)果表明，建立的網(wǎng)絡(luò)性能較好，預(yù)測(cè)結(jié)果與實(shí)際情況比較接近。說(shuō)明預(yù)測(cè)建立的基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)具有較好的泛化能力，利用特細(xì)砂這一特殊細(xì)骨料所配制的混凝土，其強(qiáng)度預(yù)測(cè)是可行的。通過(guò)預(yù)測(cè)特細(xì)砂混凝土抗壓強(qiáng)度，可以從理論上豐富特細(xì)砂的研究，為特細(xì)砂用于工程實(shí)際質(zhì)量控制提供途徑。

參考文獻(xiàn)

[1] 韓敏，席建輝.神經(jīng)網(wǎng)絡(luò)法在混凝土強(qiáng)度研究中的應(yīng)用[J].建筑材料學(xué)報(bào)，2001（4）：191-195.

[2] 胡明玉，唐明述.神經(jīng)網(wǎng)絡(luò)在高強(qiáng)粉煤灰混凝土強(qiáng)度預(yù)測(cè)及優(yōu)化設(shè)計(jì)中的應(yīng)用[J].混凝土，2001（1）：13-16.

[3] 李瑞鋒.BP神經(jīng)網(wǎng)絡(luò)在現(xiàn)場(chǎng)混凝土強(qiáng)度預(yù)測(cè)中的應(yīng)用研究[D].天津：天津大學(xué)，2008.

[4] 劉婷婷，章克凌.人工神經(jīng)網(wǎng)絡(luò)在混凝土強(qiáng)度預(yù)測(cè)中的應(yīng)用[J].粉煤灰綜合利用，2005（4）：9-11.

[5] 李宇峰，裴旭東.BP神經(jīng)網(wǎng)絡(luò)實(shí)際應(yīng)用中的若干問(wèn)題[J].兵工自動(dòng)化，1998（1）：1-4.