[发明专利]胶凝砂砾石配合比关键指标预测抗压强度的BP神经网络分析方法

说明书

本发明属于胶凝砂砾石性能分析技术领域，具体涉及一种胶凝砂砾石配合比关键指标预测抗压强度的BP神经网络分析方法。该方法将箱线图和BP循环神经网络进行结合，通过箱线图法对异常数据进行识别和剔除后再预测，能够减小异常值对预测结果的影响，然后以水泥用量、粉煤灰用量、水用量、砂用量、砂砾料用量砂砾石最大粒径、砂率和水胶比等配合比关键参数建立抗压强度预测模型来预测胶凝砂砾石抗压强度，预测精确度高、预测效果好，为胶凝砂砾石配合比设计、预测模型的选取以及无损检测提供参考。

技术领域

本发明属于胶凝砂砾石性能分析技术领域，具体涉及一种胶凝砂砾石配合比关键指标预测抗压强度的BP神经网络分析方法。

背景技术

胶凝砂砾石(Cemented Sand and Gravel，CSG)坝在优化结构布置、节约工程投资、保护生态环境等诸多方面具有显著的优点，其筑坝材料的力学性能一直是国内外学者研究的重点，尤其在抗压强度方面做了大量的试验研究，得出了较为丰富的试验成果，并为实际工程的应用提供了理论指导。但是这些研究大多基于变因素的试验结果分析，虽获得了较多的数据，但缺乏从统计学角度体现出CSG材料性能的潜在规律。随着计算机技术的不断发展，人工神经网络得到了快速的发展和应用，在混凝土性能预测方面取得了较为丰富的成果，但是在CSG水泥基材料方面却较少应用，缺乏基于数据预测的多因素关联性能的分析。

发明内容

针对胶凝砂砾石水泥基材料方面仍未有较为系统的预测方法的存在的缺陷和问题，本发明提供一种胶凝砂砾石配合比关键指标预测抗压强度的BP神经网络分析方法。

本发明解决其技术问题所采用的方案是：一种胶凝砂砾石配合比关键指标预测抗压强度的BP神经网络分析方法，包括以下步骤：

第一步、建立胶凝砂砾石配合比关键指标和抗压强度值数据集，采用箱线图法对抗压强度值数据进行数据分析，在分析过程中识别并剔除异常值；

第二步、将剔除异常值后的剩余数据进行统计量计算，所述统计量包括最大值、最小值、方差、标准差、偏度和峰度；运用偏度峰度检验法和K-S检验法对剩余数据进行正态分布检验，判断抗压强度数据是否服从正态分布规律；

第三步、以胶凝砂砾石配合比关键指标作为输入向量，以符合正态分布规律的抗压强度作为输出向量，构建胶凝砂砾石配合比关键指标预测抗压强度的BP神经网络预测模型，并根据实际预测精度要求设定误差阈值；其隐含层为单层，隐含节点数采用试凑法公式确定式中：h为隐含层节点数；m为输入层节点数；n为输出层节点数；a为调节常数，取值范围为1-10；

第四步、将胶凝砂砾石配合比关键指标的原始数据进行归一化处理，将归一化处理后的数据作为输入向量，进行训练，得到训练样本；将所述输入向量输入所构造的BP神经网络模型中得到的实际输出值，即抗压强度的预测值；以输出的预测值和期望值得均方根误差作为BP神经网络误差反向传播算法的输入数据对BP神经网络模型进行循环往复的训练，不断调整权值和阈值，直至预测值和期望值之间的误差小于设定阈值且误差平方和达到最小，即可得到所期望的预测值。

上述的一种胶凝砂砾石配合比关键指标预测抗压强度的BP神经网络分析方法，第一步中异常值的识别方法为：(1)设定胶凝砂砾石抗压强度值中的5个统计量：最小值、下四分位数Q_L、中位数Q_M、上四分位数Q_U和最大值；

(2)计算四分位距IQR：IQR＝Q_U-Q_L；

(3)计算内限，即Q_L-1.5IQR和Q_U+1.5IQR；

(4)异常值判别：小于Q_L-1.5IQR或大于Q_U+1.5IQR的值均为异常值。