基于PCA-BP原理的混凝土碳化深度预测

摘要：

混凝土碳化深度是钢筋混凝土结构耐久性评估的重要参数,影响混凝土碳化深度的因素主要有水灰比、水泥用量、混凝土抗压强度、碳化时间、水泥强度、温度与湿度.基于以上7个参数,并结合BP神经网络较好的预测性,以及主成分分析(PCA)能消除自变量间的多重共线性和降低输入数据维度的特点,建立了基于PCA-BP神经网络的混凝土碳化深度预测模型.以30组实测数据为例,对7个影响因素进行主成分分析,最终降为4个主成分,进而将其作为BP神经网络的输入因子,对混凝土碳化深度进行了预测.结果 表明:PCA-BP神经网络预测误差低,实现了对混凝土碳化深度的较准确预测,PCA-BP神经网络模型为混凝土碳化深度预测提供了一种科学、可靠的方法.

关键词：碳化深度、主成分分析法、BP神经网络、预测模型

所属期刊栏目：35

分类号：TU528.517(建筑材料)

资助基金：本文系2017年度广西高校中青年教师基础能力提升项目项目编号:2017KY075

在线出版日期：2020-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：144-149,154