神經(jīng)網(wǎng)絡在混凝土碳化深度預測中的研究應用

1、ComputerEngineeringApplications計算機工程與應用2014，50（14）混凝土作為世界上是最常用的建筑材料之一，現(xiàn)已廣泛應用于工業(yè)與民用建筑、交通、水利、港口等工程[1]，其耐久性問題已成為全球性可持續(xù)發(fā)展研究的重要內(nèi)容，受到國內(nèi)外學術(shù)界和工程界的高度重視。美國土木工程師學會（E）2009年年初公布的報告指出[2]，全美基礎(chǔ)設(shè)施的平均健康狀態(tài)仍然停留在D級水平，估計近5年需要投入的維修資金達2.2萬億美元；其

2、中至少有160570余座國家級干線橋梁（至2003年）因混凝土結(jié)構(gòu)耐久性不良而需要大修。調(diào)查顯示[3]，我國橋梁、隧道、港工等在役混凝土結(jié)構(gòu)的耐久性問題也非常嚴重。2006年，金偉良教授在國家自然科學基金會工程與材料學部主編的學科發(fā)展戰(zhàn)略報告“建筑、環(huán)境與土木工程II”（土木工程卷）中明確指出：“開展混凝土結(jié)構(gòu)耐久性和全壽命成本最優(yōu)化研究是關(guān)系到國計民生的重大課題”[4]。鋼筋銹蝕是造成混凝土結(jié)構(gòu)耐久性劣化的主要原因，碳化作用則使混凝土

3、的堿性降低，從而失去對鋼筋的保護作用，它是一般大氣環(huán)境混凝土中鋼筋銹蝕的前提條件。因此，研究混凝土碳化深度的預測模型，對于混凝土結(jié)構(gòu)耐久性設(shè)計、評估和壽命預測具有重要的工程意義[56]。目前國內(nèi)外學者已相繼提出了一些預測混凝土碳化行為的數(shù)學模型[69]，基本上均以室內(nèi)實驗為基礎(chǔ)，對神經(jīng)網(wǎng)絡在混凝土碳化深度預測中的研究應用高攀祥1，于軍琪1，牛荻濤2，董振平2，羅大明2GAOPanxiang1YUJunqi1NIUDitao2DONGZh

4、enping2LUODaming21.西安建筑科技大學信息與控制工程學院，西安7100552.西安建筑科技大學土木工程學院，西安7100551.SchoolofInfmationControlEngineeringXi’anUniversityofArchitectureTechnologyXi’an710055China2.SchoolofCivilEngineeringXi’anUniversityofArchitectureTec

5、hnologyXi’an710055ChinaGAOPanxiangYUJunqiNIUDitaoetal.Researchapplicationonneuralwkinconcretecarbonationdepthprediction.ComputerEngineeringApplications201450（14）：238241.Abstract：Fthedefectsonsearchspeedsloweaseintotheloc

6、alminimaoftheBPneuralwkthemodelabouteachfactthelengthofthepartialcarbonationzoneisestablishedwhichusesthePSOalgithmtooptimizetheBPneuralwk.Basedontheexperimentalsimulationtrainingtheimprovedmodelisappliedtothepartlocatio

7、nofaconcretebridgeoncarbonationdepthpredictionthesimulationapplicationresultsshowthatthewkhavingfasterconvergencerateoutputvaluesexpectationsisagoodmatch.Sothemodelcanpredictthelengthofthepartialcarbonationzoneofthereinf

8、cedconcretewhichoffersscientificguidancetodurabilitydesignassessmentofconcretestructureslifeprediction.Keywds：neuralwkconcretecarbonationdepthstructuraldurability摘要：針對BP神經(jīng)網(wǎng)絡搜索速度慢、易陷入局部極值的缺陷，采用PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡后建立各影響因素與部分碳化區(qū)長

9、度的關(guān)系模型。將改進后的模型進行實驗仿真訓練并應用于某混凝土大橋部分位置的碳化深度預測中，仿真應用結(jié)果表明，網(wǎng)絡輸出值和期望值很好吻合，收斂速度更快。所以該模型能夠?qū)炷敛糠痔蓟瘏^(qū)長度進行預測，為混凝土結(jié)構(gòu)耐久性設(shè)計、評估和壽命預測提供科學指導。關(guān)鍵詞：神經(jīng)網(wǎng)絡；混凝土；碳化深度；結(jié)構(gòu)耐久性文獻標志碼：A中圖分類號：TP391；TU17doi：10.3778j.issn.10028331.12070450基金項目：陜西省“13115”

10、科技創(chuàng)新工程重大科技專項（No.2010ZDKG55）。作者簡介：高攀祥（1985—），男，碩士，主要研究領(lǐng)域：控制理論與控制工程、大型混凝土耐久性監(jiān)測；于軍琪（1969—），男，博士，教授，博士生導師；牛荻濤（1963—），男，博士，教授，博士生導師。Email：gaopanxiang@收稿日期：20120730修回日期：20121008文章編號：10028331（2014）14023804CNKI網(wǎng)絡優(yōu)先出版：20121024kcm

11、sdetail11.2127.TP.20121024.1007.002.html238ComputerEngineeringApplications計算機工程與應用2014，50（14）2實驗仿真訓練2.1快速碳化實驗利用人工氣候?qū)嶒炇液突炷撂蓟洌捎闷胀ü杷猁}水泥（含摻合料15%），實驗方法參照《普通混凝土長期性能與耐久性能試驗方法》（GBJ8285）完成快速碳化實驗。將其中部分實驗數(shù)據(jù)和已有數(shù)據(jù)作為神經(jīng)網(wǎng)絡的樣本數(shù)據(jù)進行訓練。2

12、.2混凝土碳化深度預測模型的訓練據(jù)已有理論，僅含有一個隱層的前向神經(jīng)網(wǎng)絡能夠以任意精度逼近任意非線性關(guān)系，本文采用三層神經(jīng)網(wǎng)絡建立混凝土碳化深度預測模型。其拓撲結(jié)構(gòu)如圖1所示。其中隱含層神經(jīng)元節(jié)點數(shù)一般可通過經(jīng)驗公式來確定：l=mna或l=0.43mn0.12n22.54m0.77n0.350.51（5）m、n分別為輸入節(jié)點數(shù)目和輸出節(jié)點數(shù)目；a為1~10之間的常數(shù)[20]。結(jié)合多次仿真實驗，最終確定BP網(wǎng)絡輸入層、隱含層和輸出層的節(jié)點

13、數(shù)分別選擇3、7、1，用PSO算法優(yōu)化BP網(wǎng)絡的權(quán)值和閾值。經(jīng)過對輸入值、輸出值進行歸一化處理后進行神經(jīng)網(wǎng)絡的學習訓練，最后為網(wǎng)絡學習輸出樣本添加噪聲，促進其泛化能力。其中由于大部分全局搜索工作已由PSO算法完成，保證BP算法中的學習速率盡量小。圖2給出了BP網(wǎng)絡和基于PSO算法的神經(jīng)網(wǎng)絡訓練誤差收斂變化曲線。由圖2可見，BP算法的收斂曲線較為平緩，經(jīng)過很多步才收斂，收斂速度很慢；而PSOBP算法收斂速度較快。由于BP網(wǎng)絡的權(quán)值和閾值的

14、自適應學習調(diào)整是根據(jù)前一次的誤差函數(shù)值進行的，直到第二步才能得到目標誤差值，而采用PSO算法優(yōu)化后的權(quán)值和閾值已經(jīng)非常接近最后的結(jié)果，可調(diào)整的誤差范圍已經(jīng)很小。因此，PSO全局優(yōu)化算法克服了BP算法訓練網(wǎng)絡搜索速度慢、易陷入局部極值的缺陷，加快了收斂的速度?？焖偬蓟瘶颖緮?shù)據(jù)仿真結(jié)果如表1所示。3應用驗證3.1驗證實例陜西某大橋最大橋高130m，左半幅橋梁全長668.00m，右半幅橋梁全長698.00m。主橋為（55410055）m預應力

15、混凝土剛構(gòu)連續(xù)組合梁，引橋位于起點岸，左、右半幅分別為一聯(lián)（530）m和（630）m預應力混凝土連續(xù)箱梁。主橋為單箱單室箱形斷面，箱梁根部梁高5.80m，跨中梁高2.5m，其間梁高按二次拋物線變化。主橋7、11號橋墩采用薄壁空心橋墩，主橋8～10號橋墩采用雙薄壁空心橋墩。引橋橋墩采用雙柱式橋墩。大橋于2007年4月份墩身施工完成，于12月份上部結(jié)構(gòu)箱梁施工完成，于2008年9月28日建成通車。3.2應用結(jié)果分析與對比主橋和引橋左右半幅的

16、混凝土組合梁、混凝土箱梁、混凝土橋墩部分位置碳化深度預測結(jié)果如表2所示。結(jié)果顯示，用PSO算法優(yōu)化后的BP神經(jīng)網(wǎng)絡預測的平均相對誤差大大減小，提高了模型的預測精確度，進一步證明了BP神經(jīng)網(wǎng)絡經(jīng)過改進后能更快速、精確地對部分碳化區(qū)長度進行預測。PSOBP神經(jīng)網(wǎng)絡找到了隱含在該神經(jīng)網(wǎng)絡的結(jié)構(gòu)和互聯(lián)權(quán)值中的輸入、輸出之間的映射規(guī)律，同時，由網(wǎng)絡訓練誤差曲線可知，PSOBP算法訓練得到的誤差是收斂的，幾乎不會陷入局部極小或發(fā)生振蕩。可見，利用P

17、SOBP神經(jīng)網(wǎng)絡訓練部分碳化區(qū)長度預測模型精度較高，預測值真實可信，能夠較真實地反應預測情況。4結(jié)論（1）PSO算法是個體學習和社會信息共享原則的引導下完成尋優(yōu)過程，而BP算法是按照確定的負梯度下降軌道完成尋優(yōu)過程，這兩個過程所行走的路線不重合。用PSO算法優(yōu)化后的BP網(wǎng)絡后，縮短了訓練時間，提高了預測精度。（2）影響混凝土碳化深度的因素復雜多變且各種因素間存在相互影響。本文只是針對9pH11.5的部分碳化區(qū)內(nèi)研究碳化深度與水泥用量、水