基于人工神经网络的混凝土干燥收缩预测模型优化

1. 引言

混凝土的干燥收缩是指混凝土在硬化过程中由于水分蒸发而引起的体积减少。这一过程可能导致裂缝的产生，进而影响混凝土结构的耐久性和安全性。传统的参数化模型（如ACI 209、CEB、B3和GL2000）虽然在一定程度上能够预测干燥收缩，但它们通常需要大量的实验数据，并且在处理复杂条件下的混凝土时存在局限性。因此，本文提出了一种基于人工神经网络（ANN）的优化模型，以提高干燥收缩预测的准确性。

2. 研究方法

2.1 数据收集

本研究使用了来自多个实验室的176组实验数据，并从RILEM数据库中提取了123组数据。实验数据包括不同类型的水泥、不同的养护条件和各种混合比例的混凝土。主要考虑的参数包括相对湿度（RH）、养护时间、体积表面积比（V/S）、水灰比（W/C）和细集料与总集料比（S/Ta）。

2.2 人工神经网络模型

本研究使用的ANN模型是一种多层感知器（MLP），采用反向传播算法进行训练。模型的输入层包含上述提到的各个参数，输出层为干燥收缩值。为了优化模型，我们尝试了不同的网络架构和学习算法，并选择了最佳的配置。

3. 结果与讨论

3.1 模型性能

表1显示了不同学习算法的性能比较。其中，Levenberg-Marquardt算法在训练、测试和验证阶段均表现出最佳性能。