基于GA-BP神经网络的泡沫轻质土强度预测

摘要：

泡沫轻质土的抗压强度是其重要的力学性能.精准地预测和调整泡沫轻质土的抗压强度,对于提高施工效率有重要的现实意义.为实现对泡沫轻质土抗压强度的智能控制和优化,设计了包含4节点输入层、8节点隐层、1节点输出层的拓扑结构,输入层采用遗传算法(GA)对BP神经网络的权重和阈值进行改进.以水固比、粉灰比、细集料掺合比以及气泡率4个参数作为输入参数,28天抗压强度为输出参数,以室内实验数据作为样本,使用均方差(MSE)、决定系数(R2)和相对误差等对优化前后两种模型进行验证和对比分析,并以此为基础建立了基于不同性能需求的配合比设计方法.结果表明:相比BP神经网络,GA-BP神经网络训练的适应度函数值更大、均方差更小,预测值与实际值的拟合度可达到0.946,具有更强的预测精度和泛化能力,同时遗传算法的全局搜索能力也弥补了BP神经网络容易陷入局部最优的缺陷,且能更好地指导粉煤灰泡沫轻质土强度预测配合比设计.基于GA-BP神经网络的泡沫轻质土强度增长预测模型可实现对泡沫轻质土抗压强度的灵活调整,对于工程施工具有重要的参考价值.

关键词：泡沫轻质土、抗压强度、BP神经网络、遗传算法、GA-BP神经网络

所属期刊栏目：50

分类号：U414(道路工程)

资助基金：湖南省自然科学基金资助项目2020JJ4743

在线出版日期：2023-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：125-132