Строительство

Побудуємо:


{{{Обери розділ:}}}
Будівництво [122]
Облаштування [170]
Ландшафт [229]
Як купити чи продати [87]
Документація [27]
Конструкції будинку [130]
Каналізація будинку [3]
Опалення будинку [37]
Стилі архітектури [13]
Проектування [12]
Ремонт будинку [17]
Планування ділянки [60]
Енергозбереження [55]
Дерево [69]
Будівельні матеріали [92]



Статистика

Онлайн всього: 1
Гостей: 1
Користувачів: 0

Форма входу
Ми рекомендуємо:

Головна » 2011 » Червень » 26 » Нейронні мережі для передбачення властивостей бетонів з добавками.
13:56
Нейронні мережі для передбачення властивостей бетонів з добавками.


Нейронні мережі для передбачення властивостей бетонів з добавками.


Повернутися поширення нейронних мереж були використані для прогнозування міцності і спад товарного бетону та високої міцності бетону, в якому хімічні добавки та / або мінеральних добавок були використані. Хоча різні перетворює дані були віддані суду, було встановлено, що моделі, засновані на вихідних даних дало найкращі результати. Коли безрозмірних відносин були використані, влаштовуючи відносини такі, що їх зміни призвели до відповідних змін у вихідний (наприклад, збільшення співвідношення викликати збільшення вихідних значень) підвищення продуктивності мережі. Нейромережевих моделей також виступили краще, ніж кілька з них регресії, особливо в скороченні розкид прогнозів. Проблеми, пов'язані з моделями навчання за безрозмірних відносин були виявлені, коли аналіз чутливості не проводилися. Раціональний підхід був використаний для проведення аналізу чутливості з цих проблем бетонної суміші шляхом обмеження суми вхідних значень. Ці дослідження, використовуючи вихідні дані моделі, заснованої, показав, що моделювання підняв не тільки основні правила домену керівний міцності бетону, а й деякі відомі ефекти другого порядку.

Ключові слова: Метод зворотного поширення помилки нейронної мережі; Моделі; Бетон властивостями; Mix дизайн; Аналіз чутливості

1. Вступ - конкретних властивостей і нейронних мереж

Дизайн бетонної суміші включає в себе вибір установчих пропорціях, які призведуть до певних властивостей цілі. Більшість методів поєднання дизайну визнають спад в свіжому стані і сили в затверділому стані як ключових властивостей бетонної суміші. Наприклад, в Британській методу [1], відправною точкою є вибір, на основі встановлених емпіричних залежностей, з двох незалежних параметрів, вода / цемент і вмістом води, що дозволить отримати силу цільових показників і контрольних спаду, відповідно. Потім метод продовжує описувати дозування різних складових, але кінці з керівними принципами для зміни цих пропорцій на основі суміші суду, тим самим даючи зрозуміти, що емпіричні відносини повинні бути оновлені. Крім того, будь-яке поєднання дизайну, який включає в себе мінеральні добавки і хімічні домішки зажадає більш всеосяжного емпіричних відносин.

Наступні характеристики зворотного поширення нейронні мережі, які були адекватно описані в літературі [2,3], роблять їх дуже привабливими і придатними для передбачення конкретних властивостей:

1. Вони можуть встановлювати відповідність між входами (тобто пропорції конкретних складових) і виходи (тобто конкретних властивостей) на основі історичних даних, без будь-якої явної моделі був оголошений, навіть якщо ці відображення високо нелінійної, це особливо корисно, коли добавок і домішок в поєднанні з основними конкретними виборцями.

2. Вони здатні терпіти помилки в навчальних даних через їх узагальнюючим діяльність; і конкретні проектні дані суміші дуже часто має `помилки» у вигляді високою мінливістю.

3. Вони можуть бути оновлені на основі послідовних суміші судового розгляду, як перепідготовка нейронної мережі дуже легко.

4. Їх основна слабкість не вистачає, заснованого на теорії моделі пом'якшується загальноприйнятим фактом, що поєднання дизайну істотно емпіричного процесу.

Слід зазначити, що поєднання дизайну, в кінцевому рахунку оберненої задачі, тобто вибір установчих пропорції, починаючи з бажаними властивостями. Хоча нейронних мереж були використані для вирішення проблеми інверсії [4,5], такий підхід буде важко конкретної проблеми дизайну суміші, з-за великого числа причинних факторів у порівнянні з усього лише кілька залежних факторів (наприклад, міцність і спад ). Таким чином, підхід тут мав навчити нейронну мережу з установчими пропорціях, входи і конкретних властивостей, як виходи. Така мережа може бути використана в режимі `що, якщо», для вивчення впливу різних пропорціях установчих на властивості бетону.

2. Цілі

Основною метою було вивчення можливості використання нейронних мереж для прогнозування міцності і спад бетону. Два типи бетонів були розглянуті, а саме: (I), нормальної міцності товарного завод сумішей, де тільки сповільнювачів з помірним відновні властивості води були використані, і (II) високої міцності бетону сумішей, які використовували мікрокремнезема і пластифікаторів. Дані були отримані від промисловості і літератури обстежень, відповідно, на відміну від результатів лабораторних досліджень з одного джерела, таким чином моделювання був справжнім випробуванням узагальнюючі можливості нейронних мереж. Крім того, обидва види сумішей бере участь домішок і / або добавки понад основних складових бетону, таким чином, перевіряючи нейронних мереж в додатках, які не дуже добре освітлені за допомогою традиційних методів дизайну суміші і, отже, де вони будуть особливо корисні.

У наведеному вище процес, ефект перетворення даних про нейронних продуктивність мережі вивчали, порівнюючи результати з сиром моделей даних з тими, від логарифмічно перетворених даних і з даних перетвориться в безрозмірних коефіцієнтів, таких як цемент / вода співвідношення і крупного заповнювача / точної співвідношення сукупності. Дані перетворення, як було показано вплив нейронних продуктивність мережі значно [6,7], а також перетворення вище безрозмірних відносин особливо підходить для міцності бетону, яка традиційно була змодельована як функція такого ставлення.

Нейронних продуктивність мережі також в порівнянні з декількома регресійне моделювання ...


Категорія: Будівельні матеріали | Переглядів: 404 | Додав: FreeDOM | Рейтинг: 0.0/0
Всього коментарів: 0
Додавати коментарі можуть лише зареєстровані користувачі.
[ Реєстрація | Вхід ]