高性能混凝土的早期抗压强度预测和极值寻优OA北大核心CSTPCD

高性能混凝土7 d抗压强度作为早期强度的重要指标,对建筑工程质量的影响不容忽视。为了实现高性能混凝土的抗压强度预测及极值寻优,本文基于Logistic混沌映射改进麻雀搜索算法(LCSSA)优化BP神经网络,建立LCSSA-BP预测模型。选取88组数据作为训练集、38组数据作为测试集,对比BP、支持向量机(SVM)、极限学习机(ELM)、人工蜂群算法优化BP神经网络(ABC-BP)、布谷鸟搜索算法优化BP神经网络(CS-BP)模型的预测结果。从数据集划分、输入变量数量的角度出发,验证了LCSSA-BP模型的预测精度。采用遗传算法进行抗压强度寻优,确定高性能混凝土配合比的最佳掺量。研究表明:相较于其他模型,LCSSA-BP模型具有更高的预测精度、更低的预测误差;当按照9-1划分训练集和测试集时,模型决定系数R^(2)为0.975,相关系数R为0.987;综合考虑变量的关联度和数据分布特性,选取水泥、高炉矿渣、水、粗骨料和细骨料作为输入变量时,模型R^(2)为0.954,R为0.977;遗传算法在高性能混凝土早期7 d抗压强度寻优和配合比设计方面具有较高的可行性和实用性。