(華南理工大學(xué)土木與交通學(xué)院 廣東 廣州 510000)

一、混凝土強(qiáng)度預(yù)測(cè)概述

隨著當(dāng)前數(shù)值計(jì)算方法的發(fā)展以及計(jì)算機(jī)技術(shù)的飛速進(jìn)步，對(duì)求解包含多種變量的非線性系統(tǒng)下的混凝土性能預(yù)測(cè)變化提供了有力的手段。但是數(shù)值方法對(duì)混凝土的力學(xué)參數(shù)、本構(gòu)關(guān)系必須有非常清晰的了解，從改進(jìn)實(shí)驗(yàn)技術(shù)和采用新的試驗(yàn)方法來研究混凝土性能的問題進(jìn)展是很慢的。工程中以現(xiàn)場(chǎng)監(jiān)測(cè)的信息為基礎(chǔ)的反分析為混凝土性能的預(yù)測(cè)提供了一種可行的思路，并在工程實(shí)踐中取得了成功地應(yīng)用。

由于影響混凝土性能的因素眾多，這些因素都無法通過大小進(jìn)行大多不可量化，而且因素之間關(guān)系復(fù)雜，采用機(jī)器學(xué)習(xí)方法，由于其本身的自適應(yīng)，不需要對(duì)這些因素做過多的假設(shè)，所以具有廣泛的應(yīng)用前景。本文采用以統(tǒng)計(jì)學(xué)理論為基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)模型對(duì)混凝土的強(qiáng)度進(jìn)行預(yù)測(cè)分析，將預(yù)測(cè)強(qiáng)度結(jié)果與真是測(cè)試結(jié)果進(jìn)行對(duì)比分析，驗(yàn)證了神經(jīng)網(wǎng)絡(luò)在混凝土強(qiáng)度性能預(yù)測(cè)中的可行性。通過對(duì)影響混凝土性能的各種因素進(jìn)行綜合分析，自動(dòng)判定各個(gè)因素的重要性，為實(shí)際工程和結(jié)構(gòu)物設(shè)計(jì)提供依據(jù)。

二、混凝土強(qiáng)度預(yù)測(cè)研究

目前，混凝土強(qiáng)度預(yù)測(cè)類方法主要包括鮑羅米公式預(yù)測(cè)、曲線擬合方法、灰色理論預(yù)測(cè)方法、神經(jīng)網(wǎng)絡(luò)方法等[1]。由于神經(jīng)網(wǎng)絡(luò)技術(shù)在信息處理方面具有特殊的優(yōu)勢(shì)，使得神經(jīng)網(wǎng)絡(luò)在非線性問題比較復(fù)雜的土木工程領(lǐng)域能夠取得了相對(duì)理想的效果。正是由于神經(jīng)網(wǎng)絡(luò)方法在解決土木工程領(lǐng)域的問題上優(yōu)于其他方法，因此本文選擇神經(jīng)網(wǎng)絡(luò)方法解決所要研究的問題。人工神經(jīng)元的數(shù)學(xué)模型是根據(jù)生物神經(jīng)元的特征進(jìn)行簡(jiǎn)化和模擬，是神經(jīng)網(wǎng)絡(luò)的基本信息處理單元，其的輸出可以被描述為：

Y=f(∑WiXi+θ)

式中：f(·)表示神經(jīng)元輸入—輸出關(guān)系函數(shù)，稱之為激活函數(shù)或傳遞函數(shù)。

目前，在建立混凝土強(qiáng)度的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型時(shí)，大多學(xué)者選擇直接應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行混凝土強(qiáng)度的建模與預(yù)測(cè)的研究。人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法基本可以滿足預(yù)測(cè)要求，但也存在一些不足之處。首先，現(xiàn)有的研究大多只是分析混凝土的原材料配合比，但是混凝土強(qiáng)度的影響因素很多，顯然只分析這一原因這是不夠全面的。其次，以往的混凝土強(qiáng)度預(yù)測(cè)研究大部分是針對(duì)混凝土28d強(qiáng)度，大部分研究忽略了齡期的影響，即使個(gè)別學(xué)者考慮了齡期因素對(duì)混凝土強(qiáng)度的影響，但是他們所考慮齡期范圍也只有7-90d強(qiáng)度。然而在役結(jié)構(gòu)存在的齡期長(zhǎng)短不一，有的建筑存在的時(shí)間長(zhǎng)達(dá)幾十年，而有的建筑的存在時(shí)間可能僅有幾年。顯然，這樣的預(yù)測(cè)結(jié)果對(duì)在役結(jié)構(gòu)的研究并不十分適用。

最后，運(yùn)用進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)，所需的樣本數(shù)據(jù)比較龐大，這就需要做大量的試驗(yàn)，獲取大量試驗(yàn)數(shù)據(jù)。然而要從如此龐大的數(shù)據(jù)量中獲得非常有限的有用信息卻并不容易。因此，如何從這些數(shù)量龐大的試驗(yàn)數(shù)據(jù)中提取重要特征是數(shù)據(jù)處理的一項(xiàng)重要任務(wù)。

三、基于神經(jīng)網(wǎng)絡(luò)的混凝土強(qiáng)度預(yù)測(cè)

Rumelhart、McClelland和他們的研究團(tuán)隊(duì)在1986年提出了一種誤差反向傳播算法，簡(jiǎn)稱BP算法[2]，從本質(zhì)上講，BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了一種自動(dòng)尋找從輸入到輸出映射關(guān)系的功能。通過理論證明發(fā)現(xiàn)，只需最少三層BP神經(jīng)網(wǎng)絡(luò)就可以實(shí)現(xiàn)任意復(fù)雜的非線性映射關(guān)系。對(duì)于特別復(fù)雜的內(nèi)部機(jī)制求解問題，只要隱層神經(jīng)元數(shù)足夠大就可以很好地適用。此外，BP神經(jīng)網(wǎng)絡(luò)還可以具有一定的學(xué)習(xí)能力，通過對(duì)關(guān)系案例集的學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)就可以自動(dòng)提取出合理的解決方案規(guī)則，并由此得到合理的結(jié)果。

尋找到混凝土強(qiáng)度與其影響因素之間的非線性輸入、輸出關(guān)系是混凝土強(qiáng)度方面的預(yù)測(cè)研究的最終目標(biāo)。神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型成功建立的關(guān)鍵在于預(yù)測(cè)樣本數(shù)據(jù)的通用性以及預(yù)測(cè)結(jié)果的一致性。即，能夠準(zhǔn)確地反映處理和解決方案的問題，并具有足夠的實(shí)驗(yàn)數(shù)據(jù)，包括與訓(xùn)練網(wǎng)絡(luò)模型的問題相對(duì)應(yīng)的所有模式。本文從文獻(xiàn)[3]中選取試驗(yàn)數(shù)據(jù)，隨機(jī)選取部分樣本作為訓(xùn)練樣本，剩余樣本作為預(yù)測(cè)樣本。

利用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練上述數(shù)據(jù)模型并得到預(yù)測(cè)模型，根據(jù)預(yù)測(cè)結(jié)果可以看出，雖然多數(shù)數(shù)據(jù)點(diǎn)并不是精確地一致，但擬合曲線的總體趨勢(shì)與實(shí)際混凝土強(qiáng)度曲線是一致的。此外，神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果的平均絕對(duì)百分誤差、均絕對(duì)誤差、均方誤差三個(gè)評(píng)價(jià)指標(biāo)值都相對(duì)較為理想，即MAPE為0.85%、MAE為0.43MPa以及MSE為0.32MPa，這樣的結(jié)果可得到訓(xùn)練樣本的擬合效果是比較理想的結(jié)論，在工程實(shí)踐中具有一定的實(shí)踐意義。

四、小結(jié)

本文首先介紹了神經(jīng)網(wǎng)絡(luò)的生物學(xué)原理、技術(shù)特征以及當(dāng)前在混凝土強(qiáng)度預(yù)測(cè)方面的研究。在BP神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)上，通過相關(guān)資料內(nèi)的樣本數(shù)據(jù)建立了其混凝土強(qiáng)度預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并利用此模型對(duì)剩余部分的樣本的混凝土強(qiáng)度值進(jìn)行很好的預(yù)測(cè)。預(yù)測(cè)結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)能夠有效地應(yīng)用于混凝土強(qiáng)度預(yù)測(cè)，預(yù)測(cè)結(jié)果具有較高的預(yù)測(cè)精度，能夠滿足工程施工中對(duì)混凝土強(qiáng)度預(yù)測(cè)的精度要求。

學(xué)習(xí)樣本的準(zhǔn)確性對(duì)BP網(wǎng)絡(luò)訓(xùn)練的成功起著決定性的作用。只有正確的學(xué)習(xí)才能正確的訓(xùn)練。文中單個(gè)試件的模擬值誤差過大，這與試件生產(chǎn)的不穩(wěn)定性、施工工藝和試驗(yàn)方法有很大關(guān)系。因此，保證學(xué)習(xí)樣本的質(zhì)量，把具體的質(zhì)量管理擺在重要的位置具有重要意義。但是當(dāng)前只能依靠經(jīng)驗(yàn)或重復(fù)實(shí)驗(yàn)篩選的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的參數(shù)，這樣的選擇方法是沒有完整的理論依據(jù)的，因此如何針對(duì)具體問題選取最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)仍然是一個(gè)亟待研究的方向。