用MATLAB神经网络预测混凝土碳化深度

，
摘
预 测模 型预 测结果 更为精 确 。
关键 词 ：ＭＡＴ Ａ 神 经 网络 ； Ｌ Ｂ； 混凝 土碳 化 中图分类号 ：Ｕ ２ ． １ Ｔ ５ ８５ ７ 文献标识 码 ： Ａ 文 章编 号 ：６ ３ ３ ３ （０ １０ — ０ ８ ０ １ ７ — ２ １２ １ ）６ ０ ８ — ２
国 建 筑 出 版 社 ．０ ３ ２０．
［］ ２ 闫滨 ， 高真 伟 ， 丽峰 ． 于 Ｌ Ｍ 算 法的 Ｂ 强 基 — Ｐ神
经 网络 在 大 坝 安 全 监 控 预 报 中 的应 用ｆ． 阳 ３沈 １
； 至 一
农 业 大学 学报 ，０ ９０ ） ２０（ ． ４
［ ］ 恒栋 ， 国藩 ． 筋 混凝 土 结构 耐 久性 评估 基 ３王 赵 钢 础研 究 ［ ． Ｄ】 大连 ： 大连 理 工 大学 ，９ ６ １９．
本文 考虑 了混凝 土 碳化 的几 个 主要 影 响因素 ， 利 用经 网络 建 立 混凝 土碳 化 深 度 随时 间变 化 的模
型， 预测混 凝 土碳 化深 度 ， 到 了 比较精 确 的结果 。 得 如果增 加样 本 数量 ， 测 的误 差 会更小 。随着人 工 预 智 能 方法 在 工程 中 的应 用 日渐 成熟 ， 传神 经 网络 遗
，
前 退役 【 近 年来 ， ｌ 】 。 结构耐 久性 问题 逐渐受 到受到 重
视， 土木 工程界 已经将 耐久性方 面 的研 究作 为重 大
研究 领域 之一 。但是 ， 混凝 土结构 的耐 久性 问题 十 分 复 杂 ， 括 大气 和 近海环 境 的钢筋 锈 蚀 、 包 冻融 循 环 、 学腐蚀 、 化 淡水溶 蚀 、 物理 磨损 以及各 种 因素 的
为 ： 灰 比、 水 水泥用 量 、 混凝 土暴露 的时 间 。本文 收 集 了实 际工 程检测 数据及 实验数据 共 ７ 组 ， ２ 以
多层 前 向 Ｂ Ｐ网络 是 目前 应 用 最 多 的 一 种 神 经 网络 ， 模 型包 括 ： 其 输入 层 、 隐含层 、 出层 ， 与 输 层
层之间通过权值连接。 网络学习过程包括信号的前 向传播和误差的反向传播 ， 其核心是通过向后传播
在混凝 土碳 化 深度 方 面一 定会 发挥 更大作用 。
参 考文献 ：
步 已达标 ｛ ， ａ ｛ Ｃｃ ７ ３ ｌ ａ ｎ１
［］ １ 陈肇 元 ． 土建 结构 工程 的安 全性 与耐 久性 【 ． Ｍ１ 中
误差 及 修正 误差 的方 向来不 断调 整 网络 参 数 （ 、 权
其 中 的 ５ 数据 构成训练集 （ ０组 如表 １ 示）以其 余 所 ，
的 ２ 数 据构 成 预测集 （ ２，进行 预测 结果 校 ２组 表 ）
验 ， 中 ｘ 水灰 比 、 ２ 表 ） 水泥 用量 、 ３ 【 ｘ 混凝 土暴露 的
传统的 Ｂ Ｐ算法 具有 收敛 速度慢 、 部级 值 等 局
缺 陷 ， 实 际应 用 中很 难胜 任 ， 在 因此提 出了很多 改 进 的算 法 ， 由于 Ｌ Ｍ 算法具 有收敛快 、 — 精度 高等 优
点 ，所 以本 文利 用 Ｌ Ｍ算法来 训练 Ｂ ． Ｐ神 经 网络 。 其迭 代公 式 为
前 预 测 出混凝 土碳化 深度 对保 证结 构 的安 全 性来 说 是 十分重 要 的。 文提取 了影响混凝 土碳化 的主 本
求。 由式ｆ 可知 ，＿ ７ ） Ｌ Ｍ法实际上是 Ｎ ｗｏ 法和标准 ｅｔ ｎ
梯度 下 降法 的结合 ，它综合 了 Ｎ ｗｏ 和标准 梯 ｅ ｎ法 ｔ 度下 降 法两 者 的优点 。因此 ，以 Ｌ Ｍ算法设 计 的 －
五 、 结 总
由 于数 据 间差异 较 大 ， 了使 网络具 有 良好 的 为 泛 化 能 力 ，应 用 ＭＡ Ｌ Ｂ 自带 的归 一 化 函 数 有 ＴＡ ｐｅ ｍｘ 行 数 据 归 一 化 ，使所 有 数据 在 一 ｒｍｎ 进 １与 １
之 间 。神 经 网络 结 构是 ３ ７ Ｉ 即输 入层 有 ３个 神 —一 ， 经元 ， 隐含层 ７个 神经 元 ， 出层 有 １ 神经元 ， 输 个 隐
表 ３ 神 经 网络 预 测 结 果
预测 值 与 试 验 误 差最 大 为 一 ． ％，预测 值与 ９６ ５ 试 验值 吻合较 好 ， 增 加训 练样 本可 进一 步减少误 若
差 。因此， 用 遗传 神 经 网络混 凝 土碳 化深度 的研 运 究 是可行 的 。
三 、 建 网 络 及 训 练 模 型 构
自从 ｌ 世 纪 ２ ９ Ｏ年代 波特兰 水泥 问世 以来 ， 混 凝土 材料 就 以其 优势在土建 工程 中得到普 遍应用 。
很 早 以前 人 们 一直认 为混凝 土是 一种 很好 的耐 久 性 能材 料 ， 以在设计 时往往会 忽略环 境所 造成 的 所 材料 和结 构 的耐 久性损伤 ， 而且施 工管理 不 当和不
可作 为 Ｂ Ｐ神 经 网络 的学 习训练 方法 。 网络权
Ｗ 一 ｗ Ｔ ｎ１Ｉ ） ＝ （ （Ｊ＋１） Ｊ Ｄ一 （） ８
值 和偏 差 的变 化量 ： 并 以此 不 断来调整 训练 网络 ， 至达到 目标 要 直
综合作用。 当混凝土保护层碳化会引起钢筋易锈蚀
和 体积 膨胀 ，严重时 可引起混凝 土开 裂甚 至剥落 ， 从 而降 低构件 承载力 ， 终危及 结构安 全 。因此 提 最
Ｗ ＝ （Ｊ＋ ｊ １ｗⅡＴ － ） Ｊ ｑ （） ７
重视维修保养 ， 会导致许多重要结构的承载力下降
甚 至 破 坏 ， 而影 响到 结构 的安 全使 用 ， 得不 提 从 不
式 中 ：为 单 位 阵 ； 为 一个 非 负值 。依 赖 于 Ｉ 的幅 值 ，该方 法 光滑 地在 两种极 端情况 之 间变化 ： 即 Ｇ ａｓＮ ｗｏ ｕｓ— ｅｔｎ法 １ Ｏ和标 准 梯 度 下 降法 — １ 一
胡 韬
（ 丹 江市建筑设计研 究院 。 黑 龙 江 牡
牡丹江 １ ７０ ） ５０ ０
要 ：影响混凝土碳化 的 因素极 为复 杂和 多变， 通 过 工程观 察得 出的数据误 差很 大 本 文提 出 因此 应 用 ＭＡ Ｌ Ｂ神经网络的方法预测混凝土碳酸化过程深度 。结果表示， 用神经网络的混凝土碳化深度 ＴＡ 应
时 间 、 ／ 为碳化 深度 。 Ｙ（ ｍｍ）
阀 值）逼 近所期 望 的输人 输 出映射 关系 。 ，
一
８ 一 ８
表 １ 神 经 网络 学 习样 本
四 、 凝 土 碳 化 深 度 的 预 测 混
利 用训 练 好 的神 经 网 络，预 测 表 ２中 １ ２组方
案 的混凝 土碳 化 深度 ， 结 果见表 ３ 计算 。
含 层 神 经 元 的 变 换 函 数 采 ｔｎｓ ｍ ｉ 型 函 数 ａ２ｉ ｏｄ ｇ ｔ ｓ ； 输 出层 神 经 元 的 传 递 函 数 采 用 线 性 函数 ａ ｉ ｎｇ
ｐ ｒｌ ； 练 函数 采用 ｔ ｉｌ 函数 。终止条 件设 为 ｕｅ ｎ 训 ｉ ｒ ｎｍ ａ
网络 误差 小 于 １ — 。从 训练 曲线可 知 网络 训练 ３ ０３ ６
一
算 法 在 ＭＡ Ｌ Ｔ ＡＢ工 具 箱 中 提 供 的 训 练 函 数 为
ｔａ ｎ ｍ 。 ｒｉｌ
二 、 凝土 碳化 的预测样本 混
混凝 土 的碳化 的研究 是很 复杂 的。 通过 阅读 文
、
基 于 Ｌ Ｍ 算法 的 Ｂ ＿ Ｐ神经 网络
献 和 向专 家 询 问得 出影 响混凝 土碳 化 的主要 因素
Ｂ Ｐ网络有 着更 高 的精 度和更快 的收敛速度 田 ＿ 。Ｌ Ｍ
要 控 制 因素 ，并提 出 Ｍ Ｔ Ａ Ａ Ｌ Ｂ为 开发 平 台。应 用 ＭＡ Ｌ Ｔ ＡＢ神 经 网络工 具 箱 建 立 了基 于 Ｂ Ｐ神 经 网 络 的混凝 土碳 化深度 预测 的研发 系统 ， 对混凝 土 碳
化 深度进 行 预测 。
第 ３卷 第 ６期
２ １ 年 ６月 ０１
赤 峰 学 院 学 报 （科 学 教 育 版 ）
Ｊｕ ａ ｏ ｈ ｅ ｇ ｎｖ ｒ ｔ ｓｉ ｃ ｏ ｒ ｌ ｆ ｆ ｎ ｉ ｓ ｙ（ｃ ｎ ｅ＆ｅ ｕ ａ ｏ ） ｎ Ｃ Ｕ ｅｉ ｅ ｄ ｃｔｎ ｉ
Ｖ０． Ｏ６ １３ Ｎ ．
用 Ｍ ＴＡ Ａ Ｌ Ｂ神经 网络 预测 混凝 土碳化深度
［］ ４ 周新 刚． 凝 土结 构 的耐 久性 与损 伤 防治『 ． 混 Ｍ１ 北
京： 中国建材 工业 出版 社 ．９ ９ １９ ．
一
８９ ～