基于神经网络的水泥强度预测模型

《基于神经网络的水泥强度预测模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、材料研究与应用广东建材2013年第2期基于神经网络的水泥强度预测模型林远煌(广东省建筑材料研究院)摘要：在生产水泥时，为保证混合材的掺入不影响水泥的质量，需通过试配进行粉磨而后进行水泥性能检测，所需的时间较长。人工神经网络(ANN)对处理大量原始数据而不能用规则或公式描述的问题，以及不能用数学模型表达的问题具有很好的适应性。根据水泥的特殊性，找出影响其强度的主要因素，对试验中的数据进行量化，在此基础上建立预测其强度的BP神经网络模型，并对网络进行训练。为了验证训练好的网络的推广性能，用预留的两组试验数据进行仿真，结果表明该神经网络具

2、有较好的推广性能。在工程实践中可以根据经验选择出一些大致的配合比，将其输入训练好的网络进行调试，直到找到最佳的一组，可以在不进行试验室操作的情况下选取最优的配合比。关键词：水泥；混合材；神经网络；水泥强度1引言在生产水泥时，通过加入混合材可以改善水泥的性能、调节其强度等级。充分利用工业生产中大量产生的工业废渣作为水泥的混合材料，既降低水泥熟料的用量，也可以减少水泥‘两磨一烧”过程中的三废排放和高能耗[1]，特别是双掺或多掺混合材对水泥生产具有很好的经济效益和社会效益。由于混合材品种不同使其品质不可能完全相同，在应用到水泥粉磨时需根据

3、各自特性进行组合使用，常规的做法是通过试配进行粉磨，而后进行水泥各种性能检测，这种方法可以保证水泥厂的生产质量，但也需要大量的人力、物力和时间。混合材的加入使得影响水泥性能的因素变的更为复杂，很难利用几个数学公式进行表达和分析。因此有必要建立一个有效的预测模型来减少不必要的试验，提高工作效率。人工神经网络(ArtificialNeuralNetworks，简称ANN)是一门崭新的信息处理科学，它是由简单的基本元件——神经元相互连接来模拟人的大脑神经，建立起来的信息处理系统。这种网络系统依靠系统的复杂程度，通过调整内部大量节点之间相互

4、连接的关系，从而达到处理信息的目的。对于常规方法解决不了或效果不佳的问题ANN方法能显示出其优越性。尤其对问题的机理不甚了解或不能用数学模型表示的系统，如特征提取和预测等问题，ANN往往是最有利的工具。另一方面，ANN对处理大量原始数据而不能用规则或公式描述的问题，表现出极大的灵活性和自适应性。综上所述，为了能有效地利用各混合材，探索不同混合材组合对水泥性能的影响，可以将人工神经网络引一22一入到水泥粉磨中，利用大量已有的配合比(输入)及实测的水泥性能试验数据来训练网络，建立掺混合材水泥输入一输出模式非线性关系。由于混合材对水泥物理

5、性能的影响主要体现在水泥强度上，故本文仅从强度方面进行分析，决定采用神经网络进行掺矿渣混合材水泥不同组合的优化设计。2网络数据分析及试验资料不同的混合材对水泥性能的影响不同。目前采用的混合材一般分为非活性混合材料和活性混合材料两大类，活性混合材料主要有粒化高炉矿渣、火山灰质混合材料、粉煤灰。粒化高炉矿渣是高温炼铁炉渣经水淬处理后制得的，是一种以钙、铝、硅为主要化学组分的玻璃体材料；火山灰类(沸石、粉煤灰等)，它们的化学组成、结构和活性相差较大，在选用时需通过试验确定其配比。文献2中进行了掺矿渣水泥的试验，从中选取符合要求的试验结果，

6、试验参数如表1所示。3网络模型的建立及仿真3．1神经网络的介绍目前人工神经网络模型有几十种，其中基于BP算法的多层神经网络模型(简称BP网络)是应用较多的模型之一。BP网络广泛应用于函数逼近、模式识别／分类、数据压缩等昭]。BP算法由两部分组成：信息的正向传递与误差的反向传播。在正向传播过程中，输入信息从输入经隐含层逐层计算传向输出层，每一层神经元的状态只影响下一层神经元的状态，如果在输出层没有得到期望的输出，则计算输出层的误差变化值，然广东建材2013年第2期材料研究与应用裹1试验参数28天抗矿渣煤矸石炉底灰料渣28天抗组号熟料矿

7、渣煤矸石炉底灰料渣组号熟料折强度压强度折强度压强度17510015O9．149．31965152008．746．52701201808．544．9205715280O8．544．536514O21O8．442．52181150409．647．147512．5O12．5O8．944．722731501209．345．85701501508．943．9236515O2008．840．766517．5O17．5O8．240．9248115049．546．9782108O09．851．62573150O129．346．0874101609．

8、851．62665150208．541．2966102409．148．527703151208．946．210581032O08．346．528653．517．514O8．443．3118210O809．850．02960420160