论文部分内容阅读
模糊神经网络(FNN)是近年来兴起的研究热点，是模糊理论和神经网络的有机结合。人工神经网络是模拟人脑结构的思维功能，而模糊理论是研究如何处理人脑的模糊思维方式，其目的都是模仿人脑的智能活动，提高计算机的智能水平，它们已在众多领域得到广泛应用，将二者结合起来，可以起到互补的效果。高性能混凝土中各矿物掺合料和化学外加剂在混凝土中的广泛应用，使现代混凝土组成和性能之间的关系日益复杂，使强度的预测成为一个典型的多变量、非线性系统，预测的方法准确性较差，难以在实践中被普遍应用。因此，迫切需要用新思维、新方法和新技术来探索混凝土规律、预测高性能混凝土28天抗压强度及配合比优化设计在实际工程生产中就具有十分重要的意义。
本文运用神经网络方法和模糊神经网络方法进行高性能混凝土强度预测和配合比设计，并运用遗传算法进行混凝土配合比优化，同时与回归方法预测结果进行比较，通过试验测试进一步验证。基于MATLAB的遗传算法，将材料的强度、耐久性和工作性等性能要求作为约束条件，将材料的经济成本作为优化目标，建立了数学模型，优化设计混凝土配合比。由神经网络和模糊神经网络方法计算与试验验证得出如下结果：
1、神经网络模型综合考虑了影响混凝土强度的各种因素，能够实现混凝土复杂的非线性关系，具有较高的拟合与预测精度，
2、优化结果表明，遗传算法在混凝土配合比优化设计方面是可行的。神经网络方法在混凝土强度等性能预测方面明显优于回归模型。若有更多的数据用于训练网络，则网络的预测能力会更强。
3、模糊神经网络方法和神经网络方法在处理多因素非线性问题时比通常使用的方法有更大优势。它们处理问题时不需要对象的解析数学模型。
4、构建了线性回归模型和非线性回归模型，并将其结果与神经网络方法和FNN方法得出的结果进行了对比，证明FNN方法的优越性，同时也验证了混凝土强度等性能与影响因素之间的非线性关系。
5、与回归方法预测结果进行比较，神经网络方法预测的结果比回归方法预测的结果好得多。
6、以混凝土的工作性和强度等性能为约束条件建立数学模型，通过MATLAB强大的数据处理功能进行优化设计，对高性能混凝土组成材料的经济成本进行优化，在实际生产中有非常好的应用价值。在混凝土强度预测及配合比设计方面具有广阔的应用前景。