基于深度学习的氯盐环境下高性能混凝土氯离子扩散系数的预测

论文摘要

氯盐的扩散系数是一个控制混凝土内部氯离子迁移状况的关键参数,为了评估氯盐在混凝土中的扩散情况,经常需要对其进行有效的预测。由于时间和成本的限制,实际工程中该系数很难从试验中获得。为了评估氯盐在混凝土中扩散的情况,基于深度学习卷积神经网络方法研究了氯盐在高性能混凝土中的扩散系数。收集了掺粉煤灰(FA)和粒化高炉矿渣(GGBFS)300种不同的数据,针对两种类型的高性能混凝土建立了卷积神经网络模型(CNN)。CNN模型包括4个输入参数,分别是W/B比、水泥含量、粉煤灰或矿渣粉掺量和养护龄期,输出参数为氯盐的扩散系数。与传统的神经网络相比,基于深度学习的卷积神经网络预测模型具有高精度、高效率和高泛化能力的优点,可以作为氯盐环境下混凝土氯离子扩散预测的新方法。

论文目录

• 0 引言
• 1 氯离子扩散系数的试验测定
• 2 基于深度学习的再生混凝土强度预测模型
•   2.1 深度学习基本原理
•   2.2 卷积神经网络预测模型建立
• 3 结果及讨论
•   3.1 矿渣粉混凝土
•     3.1.1 养护龄期的影响
•     3.1.2 水胶比（W/B）的影响
•   3.2 粉煤灰混凝土
•     3.2.1 养护龄期的影响
•     3.2.2 水胶比（W/B）的影响
• 4 结论

文章来源

类型: 期刊论文

作者: 周双喜,盛伟,何顺爱

关键词: 氯离子扩散系数,卷积神经网络,粉煤灰,矿渣粉,预测

来源: 混凝土 2019年07期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

专业: 无机化工,建筑科学与工程

单位: 华东交通大学,四川省建筑科学研究院

基金: 国家自然科学基金（51662008）,江西省重点研发计划（20171BBG70078）,江西省自然科学基金项目（20181BAB206007）

分类号: TU528

页码: 27-31

总页数: 5

文件大小: 1499K

下载量: 228