基于卷积神经网络的高温后钢纤维火山渣混凝土力学性能预测

作     者：张庆宇 蔡斌 刘倩 高鹏 沈旭 

作者机构：吉林建筑大学土木工程学院130118 吉林省众安工程项目管理有限公司130051 吉林建筑大学设计研究院有限责任公司130011 

基　　金：吉林省科学技术厅项目(项目编号:20220203082SF) 吉林省大学生创新创业训练计划项目(项目编号:S202310191022) 

出 版 物：《河南建材》 (Henan Building Materials)

年 卷 期：2024年第2期

页      码：30-34页

摘      要：利用CNN预测火山渣替代率、钢纤维掺量、水灰比以及温度对火山渣混凝土力学性能的作用,其中,设计温度分别为20℃、200℃、400℃、600℃、800℃;火山渣替代率分别设置为30%、50%、70%;钢纤维体积掺量分别设置为0%、0.5%、1%、1.5%;水灰比分别设置为0.4、0.5。然后进行火山渣混凝土的压缩试验和劈裂试验,得到了240组试验数据。结合实验结果,合理选择网络结构和训练过程,建立神经网络模型,并采用平均绝对误差百分比(MAPE)、均方根误差(RMSE)和相关系数(R²)比较了CNN和BPNN模型性能。结果表明,CNN模型在训练和预测阶段的表现均优于BPNN模型。CNN在预测火山渣混凝土的力学性能时具有良好的精度和适用性,可以用来预测火山渣混凝土高温后的力学性能。

主 题 词：火山渣混凝土 高温 神经网络 卷积神经网络 

学科分类：08[工学] 081304[081304] 0805[工学-能源动力学] 080502[080502] 0813[工学-化工与制药类] 

馆 藏 号：203125625...