陳 慶， 馬 瑞， 蔣正武， 王 慧

(1.同濟(jì)大學(xué) 先進(jìn)土木工程材料教育部重點(diǎn)實(shí)驗(yàn)室， 上海 201804； 2.同濟(jì)大學(xué) 材料科學(xué)與工程學(xué)院， 上海 201804)

超高性能混凝土(ultra-high performance concrete,UHPC)是一種具有高強(qiáng)度、高耐久性和高可靠性的新型材料.然而，鑒于其特殊的材料配比和復(fù)雜的結(jié)構(gòu)組分，普通混凝土配合比調(diào)控方法難以指導(dǎo)UHPC的配合比設(shè)計(jì).近年來，為減少前期試配和后期試驗(yàn)所帶來的人力物力浪費(fèi)，國內(nèi)外學(xué)者在UHPC的配合比設(shè)計(jì)方面進(jìn)行了大量的探索.程寶軍等[1]嘗試將緊密堆積模型運(yùn)用于超高強(qiáng)混凝土的配制中，制備出了28d抗壓強(qiáng)度達(dá)到135MPa的UHPC.Ghafari等[2]通過響應(yīng)面(response surface methodology，RSM)的統(tǒng)計(jì)模型來預(yù)測混合鋼纖維自密實(shí)UHPC的性能.也有學(xué)者通過多尺度的分析方法指導(dǎo)混凝土以及UHPC性能設(shè)計(jì)[3-6].盡管這些方法對優(yōu)化UHPC配合比都起到了重要的作用，但同時也都存在著不足之處：最緊密堆積法無法考慮結(jié)構(gòu)成型過程的化學(xué)作用；RSM方法的精度有限，也無法隨著試驗(yàn)樣本的增加而提升；多尺度分析方法對微觀參數(shù)要求太高等.

將人工智能方法用于混凝土的設(shè)計(jì)與應(yīng)用已經(jīng)成為當(dāng)下研究熱點(diǎn)所在.Duan等[7]將人工神經(jīng)網(wǎng)絡(luò)用于建立適用于不同再生骨料來源的再生混凝土彈性模量預(yù)測模型.張姣龍等[8]采用BP神經(jīng)網(wǎng)絡(luò)方法研究了水膠比和聚羧酸減水劑摻量對UHPC力學(xué)性能的影響.人工神經(jīng)網(wǎng)絡(luò)模仿動物神經(jīng)網(wǎng)絡(luò)的行為特征，能夠解決高度非線性的復(fù)雜系統(tǒng)問題，在混凝土配合比設(shè)計(jì)中具有較好的前景，已經(jīng)被廣泛地運(yùn)用在交通、能源、醫(yī)學(xué)和土建等各個領(lǐng)域的預(yù)測問題中[9-12]，但其計(jì)算精度受輸入層、初始權(quán)值和閾值等影響較大.目前，已有學(xué)者將遺傳算法(genetic algorithm，GA)引入普通混凝土領(lǐng)域，如王江榮等[13]利用GA-BP網(wǎng)絡(luò)對普通混凝土的抗壓強(qiáng)度指標(biāo)進(jìn)行了篩選，田正宏等[14]利用該方法對碾壓混凝土壓實(shí)度進(jìn)行了預(yù)測，均取得了較好的效果.

鑒于此，本文開展了不同配合比條件下UHPC制備和抗壓強(qiáng)度試驗(yàn)，并結(jié)合已有試驗(yàn)數(shù)據(jù)，形成神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本；根據(jù)原材料組成，設(shè)計(jì)了UHPC抗壓強(qiáng)度預(yù)測神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)(輸入層為7節(jié)點(diǎn)，隱含層為8節(jié)點(diǎn)，輸出層為1節(jié)點(diǎn))；為提高預(yù)測精度，引入GA對神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進(jìn)行優(yōu)化；接著采用統(tǒng)計(jì)樣本訓(xùn)練所提出的GA-BP神經(jīng)網(wǎng)絡(luò)，通過對比試驗(yàn)數(shù)據(jù)、傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)和GA-BP網(wǎng)絡(luò)預(yù)測結(jié)果，證實(shí)了本文所提出的GA-BP神經(jīng)網(wǎng)絡(luò)能更好地預(yù)測UHPC抗壓強(qiáng)度；最后，根據(jù)上述成果，提出了基于GA-BP神經(jīng)網(wǎng)絡(luò)的UHPC配合比設(shè)計(jì)方法.

1 UHPC的制備與網(wǎng)絡(luò)樣本統(tǒng)計(jì)

1.1 UHPC的制備與抗壓強(qiáng)度評價(jià)

采用南京小野田P·Ⅱ 52.5級水泥(C)、上海勝闊有限公司生產(chǎn)的硅灰(SF)、粒徑為261～400μm(70～40目)和150～261μm(100～70目)的石英砂、上海寶鋼生產(chǎn)的S105級礦粉和上海英杉新材料科技有限公司的聚羧酸高效減水劑(WR)等原材料制備UHPC.采用水泥膠砂攪拌機(jī)進(jìn)行攪拌，將新拌UHPC澆筑在40mm×40mm×160mm的模具內(nèi)，再在室溫下養(yǎng)護(hù)24h后拆模，最后將試件放入標(biāo)準(zhǔn)養(yǎng)護(hù)室內(nèi)養(yǎng)護(hù)至規(guī)定齡期后進(jìn)行抗壓強(qiáng)度試驗(yàn). 圖1 為試驗(yàn)制備的UHPC效果圖，其擴(kuò)展度可達(dá) 250mm 以上，漿體的流動性、黏聚性和保水性均較好，經(jīng)抗折試驗(yàn)折斷后的斷面非常密實(shí)，幾乎沒有微小氣孔.表1為UHPC配合比以及28d抗壓強(qiáng)度(σc)試驗(yàn)結(jié)果，其中Sf為鋼纖維、FA為細(xì)集料、CA為粗集料.

圖1 UHPC制備效果圖Fig.1 Preparation of UHPC

表1 UHPC配合比與試驗(yàn)結(jié)果

1.2 網(wǎng)絡(luò)樣本統(tǒng)計(jì)

為了使神經(jīng)網(wǎng)絡(luò)能夠得到更好的訓(xùn)練，另從王沖[15]、李建永[16]、魯亞[17]和孔德宇等[18]的文獻(xiàn)中收集到30組數(shù)據(jù)，如表2所示.本試驗(yàn)共采用這50組數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的樣本.

表2 UHPC數(shù)據(jù)樣本

2 UHPC抗壓強(qiáng)度影響因素與神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)

2.1 UHPC的組成特點(diǎn)與抗壓強(qiáng)度影響因素

UHPC主要由水泥、摻和料、骨料、纖維和高效減水劑等材料組成，影響其抗壓強(qiáng)度的主要配合比因素如下：

(1)水泥用量 作為主要膠凝材料，水泥用量對UHPC的強(qiáng)度和耐久性有較大影響.

(2)水膠比 UHPC的水膠比(質(zhì)量比，文中涉及的水膠比、摻量等除特別說明外均為質(zhì)量比或質(zhì)量分?jǐn)?shù))通常很低(小于0.200)，但水膠比過低時可能會因?yàn)樗嗨怀浞侄绊懫淞W(xué)性能.

(3)硅灰摻量 作為超細(xì)活性礦物摻和料，硅灰具有很好的微填充效應(yīng)，能夠優(yōu)化UHPC內(nèi)部孔結(jié)構(gòu).

(4)集料用量 集料粒徑與用量等因素對UHPC工作性能以及力學(xué)性能等方面都有較大影響.

(5)減水劑摻量 減水劑能夠改善混凝土的工作性能、力學(xué)性能和耐久性，目前常用的是聚羧酸高效減水劑.

(6)鋼纖維摻量(體積分?jǐn)?shù)) 摻入纖維能顯著提高UHPC的抗壓、抗拉和抗彎強(qiáng)度等.

2.2 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出的，是當(dāng)前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一[19].其基本原理是：它是一種有反饋的前向型網(wǎng)絡(luò)，包含輸入層、隱含層和輸出層，每層由若干節(jié)點(diǎn)組成，每個節(jié)點(diǎn)具有特定的激勵函數(shù)，不同層的節(jié)點(diǎn)間均存在信息的交換，信號由權(quán)值函數(shù)傳遞.

BP網(wǎng)絡(luò)系統(tǒng)中流通著2種信息形式：正向傳輸信號和逆向誤差信號.其算法是信號正向傳遞，誤差逆向傳播，即正向傳輸信號由輸入端經(jīng)過各層神經(jīng)元傳輸?shù)捷敵龆?，?shù)學(xué)表達(dá)為輸入與連接強(qiáng)度的函數(shù)；在輸出端對實(shí)際輸出與期望輸出的誤差進(jìn)行比較，再將此誤差值向后反饋到各層神經(jīng)元，循環(huán)往復(fù)進(jìn)行，不斷對權(quán)值和閾值進(jìn)行學(xué)習(xí)，直到達(dá)到滿意的結(jié)果，學(xué)習(xí)過程結(jié)束[20-21].

常見的BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2所示，其中X1,X2,…,Xn為輸入值，Wij、Wjk為權(quán)值，Y1,…,Ym為輸出值.

圖2 常見的BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.2 Common BP neural network topology

2.3 UHPC抗壓強(qiáng)度預(yù)測GA-BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)

綜合考慮UHPC的組成特點(diǎn)、抗壓強(qiáng)度影響因素以及神經(jīng)網(wǎng)絡(luò)特點(diǎn)等，設(shè)計(jì)UHPC抗壓強(qiáng)度預(yù)測神經(jīng)網(wǎng)絡(luò)模型如下：

首先，選取水泥用量、水膠比、硅灰用量、細(xì)集料用量、粗集料用量、減水劑摻量以及鋼纖維摻量共7個配合比因素作為神經(jīng)網(wǎng)絡(luò)的輸入層.

其次，本文取隱含層層數(shù)為1層，隱含神經(jīng)元個數(shù)常通過如下經(jīng)驗(yàn)公式進(jìn)行試探并最終確定：

(1)

式中：L為隱含神經(jīng)元個數(shù)；m為輸入層神經(jīng)元個數(shù)；n為輸出層神經(jīng)元個數(shù)；a為常數(shù)，可取(1，10).本文m=7，n=1，經(jīng)過反復(fù)調(diào)試，取L=8時綜合性能較優(yōu).

最后，以28d抗壓強(qiáng)度作為神經(jīng)網(wǎng)絡(luò)的輸出層，建立預(yù)測模型.

為解決BP算法可能存在的誤差偏大、網(wǎng)絡(luò)不穩(wěn)定等問題，本文還利用GA對BP網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化，建立基于遺傳算法優(yōu)化的誤差反向傳播(GA-BP)神經(jīng)網(wǎng)絡(luò)模型.GA-BP網(wǎng)絡(luò)的計(jì)算思路如圖3所示，其中GA主要包括編碼、適應(yīng)度函數(shù)的計(jì)算、選擇、交叉和變異等過程[22].

圖3 GA-BP神經(jīng)網(wǎng)絡(luò)計(jì)算思路Fig.3 Calculation ideas of GA-BP neural network

3 UHPC抗壓強(qiáng)度預(yù)測神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與結(jié)果分析

3.1 UHPC抗壓強(qiáng)度預(yù)測神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

本文采用Matlab軟件實(shí)現(xiàn)UHPC抗壓強(qiáng)度預(yù)測的GA-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，主要的訓(xùn)練過程如下：

(1)建立UHPC抗壓強(qiáng)度預(yù)測神經(jīng)網(wǎng)絡(luò) 本文為7-8-1型拓?fù)浣Y(jié)構(gòu).

(2)選取UHPC抗壓強(qiáng)度預(yù)測神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本 取交叉驗(yàn)證折數(shù)K=5，即將表1和表2所有數(shù)據(jù)劃分成5等份，其中4份作為訓(xùn)練集，1份作為測試集.

(3)UHPC抗壓強(qiáng)度預(yù)測神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本歸一化處理 常用算法為：

(2)

式中：Y為歸一化后的結(jié)果，值域(0，1)；X為訓(xùn)練樣本；Xmin和Xmax分別為樣本中的最小值和最大值，在Matlab中也可直接調(diào)用Mapminmax函數(shù).

(4)遺傳算法優(yōu)化UHPC抗壓強(qiáng)度預(yù)測神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值 對拓?fù)浣Y(jié)構(gòu)進(jìn)行編碼(本文采用最常用的實(shí)數(shù)編碼，拓樸結(jié)構(gòu)為7-8-1，共有7×8+8×1=64個權(quán)值，8+1=9個閾值，取染色體長度為64+9=73)，產(chǎn)生初始種群.在進(jìn)化過程中，對染色體的評價(jià)是由適應(yīng)度函數(shù)來實(shí)現(xiàn)的，進(jìn)化的準(zhǔn)則是“優(yōu)勝劣汰”，將網(wǎng)絡(luò)輸出值與期望值之間的誤差作為適應(yīng)度函數(shù)，對種群中個體的去留進(jìn)行抉擇.

遺傳算法的核心主要包括選擇、交叉和變異操作.選擇操作是根據(jù)適應(yīng)度值挑選適應(yīng)性強(qiáng)的個體，保存其染色體并遺傳給下一代.本文采用適應(yīng)度比例法，其特點(diǎn)是個體被選擇進(jìn)入下一代的概率與適應(yīng)性成正比；在遺傳算法中，2條染色體上相同位置的基因通過交叉產(chǎn)生新的染色體，從而產(chǎn)生出優(yōu)秀的個體，交叉概率通常在0.10～0.99之間，本文取0.70；為了維持種群的多樣性，常通過變異操作來隨機(jī)修復(fù)和補(bǔ)充某些基因，本文取變異概率為0.10.

(5)UHPC抗壓強(qiáng)度預(yù)測神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值賦值 當(dāng)遺傳算法達(dá)到最大遺傳代數(shù)(本文設(shè)為20)或所設(shè)定的指標(biāo)后，獲得優(yōu)化后的網(wǎng)絡(luò)連接初始權(quán)值和初始閾值.

(6)UHPC抗壓強(qiáng)度預(yù)測神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 神經(jīng)網(wǎng)絡(luò)利用優(yōu)化后的權(quán)值閾值進(jìn)行網(wǎng)絡(luò)訓(xùn)練，并通過與預(yù)期值的誤差計(jì)算來反向調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，滿足最小誤差后，保存最后的權(quán)值和閾值，完成網(wǎng)絡(luò)訓(xùn)練.

本文網(wǎng)絡(luò)訓(xùn)練過程的主要控制參數(shù)見表3.

表3 網(wǎng)絡(luò)訓(xùn)練的主要參數(shù)

3.2 UHPC抗壓強(qiáng)度預(yù)測神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果分析

圖4為BP以及GA-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果圖.經(jīng)計(jì)算可得：10組BP網(wǎng)絡(luò)的預(yù)測樣本與真實(shí)值相對誤差的絕對值分別為3.27%、7.95%、10.58%、3.92%、7.53%、2.64%、11.94%、15.24%、1.51%和0.19%，其平均相對誤差的絕對值為6.48%;除第8組誤差稍大，達(dá)到15.24%以外，其余樣本的預(yù)測效果均較好.而10組經(jīng)遺傳算法優(yōu)化后的BP網(wǎng)絡(luò)預(yù)測樣本與真實(shí)值的相對誤差絕對值分別為0.32%、6.67%、3.13%、2.57%、3.31%、0.33%、0.42%、1.04%、1.44%和1.64%，其平均相對誤差僅為2.08%，為BP算法誤差的30%，可見GA-BP網(wǎng)絡(luò)預(yù)測的效果非常好.

圖4 BP/GA-BP網(wǎng)絡(luò)的預(yù)測結(jié)果圖Fig.4 Prediction results of BP/GA-BP network

圖5為BP網(wǎng)絡(luò)和GA-BP網(wǎng)絡(luò)預(yù)測結(jié)果的相對誤差對比圖.由圖5可知：經(jīng)遺傳算法優(yōu)化后的BP網(wǎng)絡(luò)具有更優(yōu)異的預(yù)測性能，能更好地指導(dǎo)UHPC抗壓強(qiáng)度預(yù)測和配合比設(shè)計(jì).

圖5 BP/GA-BP網(wǎng)絡(luò)的誤差對比圖Fig.5 Error comparison of BP/GA-BP network

4 基于GA-BP網(wǎng)絡(luò)的UHPC配合比設(shè)計(jì)方法

4.1 基于GA-BP網(wǎng)絡(luò)的UHPC配合比設(shè)計(jì)思路

將GA-BP網(wǎng)絡(luò)應(yīng)用于UHPC配合比優(yōu)化設(shè)計(jì)不僅可以減少前期試配等帶來的人力物力資源的浪費(fèi)，降低生產(chǎn)成本，而且每次試驗(yàn)后可以加入試驗(yàn)成果，重新訓(xùn)練網(wǎng)絡(luò)，以實(shí)現(xiàn)知識的不斷累積[23]，提升網(wǎng)絡(luò)預(yù)測的精度和適用范圍.其具體步驟如下：

(1)根據(jù)當(dāng)前配合比試驗(yàn)樣本數(shù)據(jù)庫,訓(xùn)練UHPC性能預(yù)測GA-BP網(wǎng)絡(luò).

(2)根據(jù)配合比限制條件調(diào)整UHPC原材料輸入層參數(shù)，通過GA-BP網(wǎng)絡(luò)預(yù)測其對應(yīng)的性能參數(shù).

(3)結(jié)合試驗(yàn)數(shù)據(jù)和預(yù)測數(shù)據(jù)，建立不同原材料組成同性能的關(guān)聯(lián)關(guān)系.

(4)以性能指標(biāo)為目標(biāo)，根據(jù)步驟(3)建立的關(guān)聯(lián)關(guān)系，反向設(shè)計(jì)UHPC初始配合比.

(5)結(jié)合工程需求和成本控制等，對上述設(shè)計(jì)出的配合比進(jìn)行試拌、調(diào)整,最終得到實(shí)際使用的配合比.

4.2 基于GA-BP網(wǎng)絡(luò)的UHPC配合比設(shè)計(jì)案例分析

為了使該預(yù)測模型能夠更好地運(yùn)用于UHPC配合比設(shè)計(jì)中，現(xiàn)以數(shù)據(jù)樣本中的實(shí)測值以及神經(jīng)網(wǎng)絡(luò)的預(yù)測值為例，分析以抗壓性能為目標(biāo)指標(biāo)時，UHPC配合比設(shè)計(jì)中不同因素的調(diào)控方法.

維持水泥、集料和水膠比等因素不變，基于BP/GA-BP神經(jīng)網(wǎng)絡(luò)可計(jì)算不同硅灰摻量下UHPC的抗壓強(qiáng)度(見圖6).以第35～40組數(shù)據(jù)為例，由 圖6(a) 可知：采用GA-BP網(wǎng)絡(luò)結(jié)果能更好地預(yù)測硅灰的作用.摻入適量的硅灰可以提高體系密實(shí)度，改善體系力學(xué)性能，但摻量過大(超過25%)時會對強(qiáng)度產(chǎn)生不利影響.在該配合比條件下，可根據(jù)預(yù)測曲線，由給定的目標(biāo)性能反向設(shè)計(jì)UHPC配合比中的硅灰摻量，例如當(dāng)目標(biāo)強(qiáng)度為140MPa時，可以初步確定硅灰摻量為20%左右，然后再進(jìn)行配合比設(shè)計(jì)和試驗(yàn)驗(yàn)證.

圖6(b)是基于BP/GA-BP神經(jīng)網(wǎng)絡(luò)計(jì)算的UHPC鋼纖維摻量和抗壓強(qiáng)度關(guān)系圖.以第47～50組數(shù)據(jù)為參考，仍然發(fā)現(xiàn)GA-BP神經(jīng)網(wǎng)絡(luò)能比BP網(wǎng)絡(luò)更好地預(yù)測鋼纖維的作用.由圖6(b)可知：適量的鋼纖維對UHPC的抗壓強(qiáng)度有較大幅度的提升，但當(dāng)其摻量較大時，會對UHPC工作性造成不利影響，通常鋼纖維摻量在2.0%左右其綜合性能較好.同理在該配合比條件下，可以由目標(biāo)性能和預(yù)測曲線反向設(shè)計(jì)UHPC配合比中的鋼纖維摻量，例如當(dāng)目標(biāo)強(qiáng)度為140MPa時，可初步確定配合比中的鋼纖維摻量為1.7%左右，然后再進(jìn)行配合比設(shè)計(jì)和試驗(yàn)驗(yàn)證.

圖6 單因素變量調(diào)控方法示例Fig.6 Examples of univariate control methods

選取第21，23，25，28～30，32～34組數(shù)據(jù)可以考察水泥用量和水膠比2個因素的影響.圖7借用等高線圖，分別繪制了水泥用量和水膠比2個因素作用下UHPC抗壓強(qiáng)度的實(shí)測值以及神經(jīng)網(wǎng)絡(luò)預(yù)測值.采用本文所提的GA-BP預(yù)測模型，不僅能夠?qū)ΜF(xiàn)有試驗(yàn)數(shù)據(jù)進(jìn)行預(yù)測，還能對實(shí)測強(qiáng)度圖中的空白部分進(jìn)行預(yù)測.由圖7可知：當(dāng)水泥用量一定時，在保證水泥充分水化的前提下，適度降低水膠比對強(qiáng)度有較大的提升作用；水膠比一定時，適當(dāng)增加水泥用量也對強(qiáng)度有利；綜合考慮水泥用量和水膠比的影響，水泥用量為450～ 700kg/m3，水膠比為0.14～0.16附近區(qū)域強(qiáng)度值較高.在配合比一定的條件下，對于給定的目標(biāo)強(qiáng)度，可以通過比對圖形中相應(yīng)的區(qū)域來初步設(shè)計(jì)滿足該目標(biāo)性能的水膠比以及水泥用量因素，然后再進(jìn)行配合比設(shè)計(jì)和試驗(yàn)驗(yàn)證.

由于試驗(yàn)數(shù)據(jù)有限，部分樣本存在因測試方法、原材料種類與規(guī)格等不同而造成的誤差.但本文主要是針對當(dāng)前UHPC性能預(yù)測模型(傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò))中拓?fù)浣Y(jié)構(gòu)不夠完善、預(yù)測結(jié)果精度不夠高等問題開展工作，更關(guān)注UHPC材料抗壓強(qiáng)度預(yù)測的GA-BP網(wǎng)絡(luò)的設(shè)計(jì)與應(yīng)用，樣本數(shù)據(jù)的誤差可隨著后期同類型試驗(yàn)數(shù)據(jù)的增多而進(jìn)一步降低.

圖7 雙因素變量調(diào)控方法示例Fig.7 Examples of two-factor variable control methods

5 結(jié)論

(1)UHPC的抗壓強(qiáng)度主要受水泥、水膠比、硅灰、集料、減水劑和鋼纖維等的影響.本文設(shè)計(jì)的含7節(jié)點(diǎn)輸入層、8節(jié)點(diǎn)隱含層和1節(jié)點(diǎn)輸出層的GA-BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，可以較好地反映UHPC組成特點(diǎn)和抗壓強(qiáng)度影響因素.

(2)本文提出的UHPC抗壓強(qiáng)度預(yù)測GA-BP神經(jīng)網(wǎng)絡(luò)，在通過遺傳算法對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值與閾值優(yōu)化后，其預(yù)測精度比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)更高，基于本文統(tǒng)計(jì)樣本的平均相對誤差為2.08%，僅為傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)計(jì)算誤差的30%.

(3)基于GA-BP神經(jīng)網(wǎng)絡(luò)的配合比設(shè)計(jì)可以指導(dǎo)UHPC的性能調(diào)控：通過訓(xùn)練好的網(wǎng)絡(luò)預(yù)測不同配合比下UHPC的性能，建立不同配合比同UHPC性能的關(guān)聯(lián)，通過反向設(shè)計(jì)的方法能夠減少試驗(yàn)過程中耗費(fèi)的人力、物力和財(cái)力，提高效率.