基于机器学习算法的混凝土抗压强度预测模型

朱晓路，陈文翰

(杭州隆欣建材有限公司，浙江 杭州 310024)

混凝土的抗压强度是混凝土质量评价的重要指标[1-2]，而混凝土抗压强度的测试费时且复杂，另存在着各种多变的环境因素和技术因素可能导致结果滞后，对现实生产的指导性降低[3]。近些年来，关于混凝土的抗压强度的预测已经迅速发展起来[4]。季韬将人工神经网络应用于混凝土抗压强度预测，把粉煤灰量、胶凝材料量、骨料浆体厚度等数据作为参考因素预测抗压强度[5]。杨松森以模糊系统方法对混凝土进行无损检测抗压强度预测，回弹值、碳化深度值、含水率、超声值作为参考因素[6]。许杰淋等人探究混凝土中水泥、矿渣粉、粉煤灰、水、减水剂、粗集料和细集料含量等原材料对混凝土抗压强度的影响，达到4.3%左右的平均误差[7]。但在实际工作中，由于各种原料用量非完全独立因素，相互间存在一定的关联关系，如水与胶粘材料的比例，粗骨料与细骨料的比例等存在确定性关系，这对预测的准确性产生了一定的影响。因此，本文将应用灰色关联分析法，将砂率、水胶比和水灰比作为ANN输入项，研究其对混凝土的抗压强度预测精度的影响，从而提高混凝土抗压强度的预测精度。

1 GA-ANN模型与灰色关联分析

1.1 BP神经网络的算法基础

图1是一个四层的人工神经网络[8]，一个输入层，两个中间层和一个输出层。基于梯度搜索技术的反向传播算法被用于优化人工神经网络的权值和阈值，并最终确定人工神经网络的结构。……