[發明專利]一種基于神經網絡對拌成混凝土流變性預測方法

在審

• 申請號: 202011545730.1
• 申請日: 2020-12-24
• 公開（公告）號: CN112976332A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 劉欣宇
• 申請（專利權）人: 中山艾尚智同信息科技有限公司
• 主分類號: B28C7/02
• 分類號: B28C7/02;G06N3/04;G06N3/08
• 代理公司: 中山市科創專利代理有限公司 44211
• 代理人: 謝自安

1.一種基于神經網絡對拌成混凝土流變性預測方法，其步驟如下：

S1、收集樣本數據，輸入N組樣本數據的原始輸入量和原始輸出量；

S2、設定預測精度，并對樣本數據進行初始化預處理；

S3、基于樣本數據初始化預處理后的輸入向量和輸出向量，構建RBF-BP復合神經網絡函數模型；

S4、網絡的訓練，設定參數，調用train函數對網絡進行訓練；

S5、調用sim函數對網絡進行仿測試，若測試結果和仿測結果之間的精度大于設定的預測精度，則重新選擇樣本數據、調整RBF-BP復合神經網絡函數模型結果、調整網絡訓練參數，返回步驟S1，直到測試結果和仿測結果之間的精度不大于設定的預測精度時執行步驟S6；

S6、隨機給定真實輸入向量，由訓練好的網絡模型對其進行預測，得出混凝土流變性預測值。

2.根據權利要求1所述的一種基于神經網絡對拌成混凝土流變性預測方法，其特征在于：RBF-BP組合神經網絡為由RBF子網和BP子網兩部分構成的雙隱藏層復合神經網絡。

3.根據權利要求1所述的一種基于神經網絡對拌成混凝土流變性預測方法，其特征在于：輸入向量為多組水膠比x₁、砂灰比x₂、減水劑摻量x₃、粉煤灰摻量x₄、礦渣摻量x₅，輸出向量為混凝土塑性粘度y、屈服應力z。

4.根據權利要求3所述的一種基于神經網絡對拌成混凝土流變性預測方法，其特征在于：預測精度的條件具體為：其中y_k為預測結果，y_a為真實輸出向量，ε為預測精度。

5.根據權利要求3所述的一種基于神經網絡對拌成混凝土流變性預測方法，其特征在于：RBF-BP組合神經網絡函數模型的RBF神經網絡中，x＝[x₁，x₂，…，x_n]^T為網絡的各個輸入向量，φ_i(||x-c_i||)為RBF神經網絡隱藏層的激活函數，w∈R^h×m為輸出連接權值變量，b＝[b₁，b₂，…，b_m]^T為輸出層神經元閾值，y＝[y₁，y₂，…，y_m]^T；

激活函數采用高斯函數，其形式為：

式中：x-n維輸入向量，c_i-第i徑向基函數的中心，σ_i-基函數的方差；

h-隱藏層神經元數、||x-c_i||向量x-c_i的范數，表示x與c_i的歐式距離；

輸出層第k個神經元網絡輸出為：

式中w_ik為第i個隱藏層神經元到第k個神經元的連接權值；

BP神經網絡中，權值調節公式如下：

W(k+1)＝W(k)-(J^TJ+μI)^-1J^Te

式中I為單位矩陣，J為雅克比矩陣，e為網絡的誤差向量，調整參數u為一標量。