基于PCA-BP原理的混凝土碳化深度预测

论文摘要

混凝土碳化深度是钢筋混凝土结构耐久性评估的重要参数,影响混凝土碳化深度的因素主要有水灰比、水泥用量、混凝土抗压强度、碳化时间、水泥强度、温度与湿度。基于以上7个参数,并结合BP神经网络较好的预测性,以及主成分分析（PCA）能消除自变量间的多重共线性和降低输入数据维度的特点,建立了基于PCA-BP神经网络的混凝土碳化深度预测模型。以30组实测数据为例,对7个影响因素进行主成分分析,最终降为4个主成分,进而将其作为BP神经网络的输入因子,对混凝土碳化深度进行了预测。结果表明:PCA-BP神经网络预测误差低,实现了对混凝土碳化深度的较准确预测,PCA-BP神经网络模型为混凝土碳化深度预测提供了一种科学、可靠的方法。

论文目录

• 1 PCA原理简介
• 2 混凝土碳化深度预测的神经网络模型
• 3 PCA-BP神经网络预测混凝土碳化深度模型的建立与应用
•   3.1 PCA-BP网络预测混凝土碳化深度模型的建立
•   3.2 相关性分析
•   3.3 主成分分析
•   3.4 PCA-BP网络的设计、训练与预测
• 4 结论

文章来源

类型: 期刊论文

作者: 甘海龙,郭容宽

关键词: 碳化深度,主成分分析法,神经网络,预测模型

来源: 科技通报 2019年12期

年度: 2019

分类: 基础科学,工程科技Ⅰ辑,工程科技Ⅱ辑

专业: 无机化工,建筑科学与工程

单位: 广西机电职业技术学院

基金: 2017年度广西高校中青年教师基础能力提升项目(项目编号:2017KY075)的研究成果

分类号: TU528

DOI: 10.13774/j.cnki.kjtb.2019.12.028

页码: 144-149+154

总页数: 7

文件大小: 292K

下载量: 151