大体积混凝土温升预测的非线性模型.pdf

2 0 1 2 年 第 2期 (总 第 2 6 8 期 ) Nmn b c r 2i n2 0 1 2 ( T o 诅l No 2 6 8 ) 混 凝 土 Co n c r e t e 实用技术 PRACTI CAL TECHN0L0GY d o i ： 1 0 3 9 6 9 i s s n 1 0 0 2 - 3 5 5 0 2 0 1 2 0 2 0 4 1 大体积混凝土温升预测的非线性模型 李 晓芳 ( 内蒙古建筑职业技术学院，内蒙古 呼和浩特 0 1 0 0 7 0 ) 摘要： 大体积混凝土的水化热若不能及时散发， 会产生很大的温度应力 ， 导致出现温度裂缝。 为了避免温度裂缝的产生 人们必须预 测和控制大体积混凝土的温度形成。 针对大体积混凝土温度场的非稳态特性 ， 提出了一种基于灰色人工神经网络的温升预测模型， 介绍 了灰色神经网络预测方法在工程中的应用 ， 采用 Ma t l a b 进行计算。 预测结果表明， 该模型收敛速度快， 预测精度较高， 实现了对大体积混 凝土温升的准确预测。 说明了灰色人工神经网络方法的可行性和实用性。 关键词 ： 大体积混凝土 ；灰色理论 ；人工神经 网络 中图分类号 ： T U5 2 8 O 1 文献标志码 ： A 文章编号 ： 1 0 0 2 3 5 5 0 ( 2 0 1 2 ) 0 2 0 1 2 7 0 3 No nl i ne a r f or e c a s t f or t empe r a t u r e of ma s si v e c onc r e t e Ll Xi a o f a n g ( I n n e r Mo n g o l i a T e c h n i c a l Co l l e g e o f C o n s t r u c t i o nI n n e r Mo n g o l i a ， Ho h h o t 0 1 0 0 7 0 ， C h i n a ) Ab s t r ae l ： T het h e i ma l c r a c k i n gwi l 1 a p pe a rf o rt he s i z e a b l et h e r ma l s t r e s si f t h eh y d r a t i o nh e a t o fma s s ive c o nc r e t ed o e sn o t e ma n a t ei nt i me S O t h e f o r mi n g of t e mpe r a t u r e o f ma s s i v e c o n c r e t e s h o u l d b e f o r e c a s t e d a n d c o n t r o l l e d t o a v o i d t h e a p p e aranc e o f t h e r ma l c r a c k i n g Ba s e d o n the ana l y s i s o f the f a c t o r s t h a t i n flu e n c e t h e t e mp e r a t u r e o f the ma s s i v e c o n c r e t e ， a t e mp e r a t u r e f o r e c a s t ing mo d e l i s p u t f o r wa r d a c c o r d i n g t o t h e c h ara c t e r i s t i c o f a r t i fi c i a l n e u r a l n e t wo r k mo d e 1 A n e x a mp l e p r o j e c t i S p r e s e n t e d and the for e c a s t o f the t e mp e r a t u r e o f ma s s i v e c o n c r e t e i S r e a l i z e d wi t h M_AT I AB T h e gre y a r t i fl c i a l n e u r a l n e t wo r k( - ANN) me t h o d h a s b e e n p r o v e d to b e f e a s i b l e a n d p r a c t i c a 1 K e y wo r d s ： ma s s i v e c o n c r e t e ； g r e y t h o e r y ； a r t i fi c i a l n e u r a l n e t wo r k( A Nn) 0 引言 随着我国经济的发展， 大体积混凝土结构的应用 日 益广泛。 工民用建筑中的大体积混凝土温度裂缝问题 日益突出【l 】 。 大体 积混凝土在施工阶段， 由于某些因素导致混凝土的内部温度显 著升高。 因此对其必须进行温度控制。 在大型电站施工中， 有些 基础的混凝土浇灌量达数千立方米， 由于水泥水化热的影响所 产生很大的温度应力而导致混凝土的开裂。 所以对于一次连续 浇捣的大体积基础控制混凝土温度应力是保证混凝土质量的 关键口 。 那么应如何避免混凝土温度应力产生的裂纹呢? 采取 的措施除选择合理的配合比、 控制混凝上的入模温度外， 保温 保湿养护是个较有效的方法。 因此在施工过程中必须掌握混凝 上的温升规律才能有的放矢的制定保温措施， 确定养护时间。 由 于大体积混凝土的水化热不易及时散发 ， 导致结构内部先快速 升温然后缓慢降温， 这会导致出现贯穿性温度裂缝和表面裂缝。 为了避免裂缝的产生， 必须预测和控制大体积混凝土的温度形成。 采用热传导理论求解这种非定常温度场是十分困难的。 随着科学技术的发展， 特别是计算机技术的发展， 机器语 言算法为解决这类问题提供了新的思路和途径。 本研究用灰色 理论和神经网络实现对大体积混凝土温升的预测。 1 大体积 混凝 土温升预 测的非线性模 型 基于B P神经网络和 G M( 1 ， 1 ) 模型， 提出了大体积混凝土 收稿日期：2 0 1 1 8 _ J0 4 温升预测的非线性模型。 该模型既利用灰色预测的需要数据资 料少的优点， 又吸收了B P神经网络容错能力， 自适应能力强的 优点。 1 1 G M ( 1 ， 1 ) 预 测模 型的基本 原理 ( 1 ) G M( 1 ， 1 ) 灰色系统。 所谓灰色系统是指既含有已知信 息， 又含有未知信息的系统， 是由邓聚龙教授在 1 9 8 6年提出的。 灰色理论 自诞生以来， 发展很快 ， 由于它所需因素少， 模型简 单， 特别是对于因素空间难以穷尽， 运行机制尚不明确， 又缺乏 建立确定关系的信息系统， 灰色系统理论及方法为解决此类问 题提供了新的思路和有益的尝试。 灰色预测方法是根据过去及现在已知的或非确知的信息 ， 建立一个从过去引申到将来的 G M模型， 从而确定系统在未来 发展变化的趋势， 为规划决策提供依据。 在灰色预测模型中， 对 时间序列进行数量大小的预测 ， 随机性被弱化了， 确定性增强 了。 此时在生成层次上求解得到生成函数， 据此建立被求序列的 数列预测， 其预测模型为一阶微分方程 ， 即只有一个变量的灰 色模型， 记为 G M( 1 ， 1 ) 模型川 。 灰色 G M( 1 ， 1 ) 预测模型在计算过程中主要是以矩阵为主， 它和 MAT L A B的结合可以有效的解决了灰色系统理论在矩阵 计算中的问题 ， 为灰色系统理论的应用提供了一种新的方法。 ( 2 ) G M( 1 ， 1 ) 预测模型的基本原理。 G M( 1 ， 1 ) 模型是灰色预 测的核心， 它是一个单个变量预测的一阶微分方程模型， 其离散 时间响应函数近似呈指数规律。 建立 G M( 1 ， 1 ) 模型的方法是： 1 2 7 学兔兔 w w w .x u e t u t u .c o m 设 ( 1 ) ， (0 ) ( 2 ) ， ， 【 0 】 ( n ) ) 为原始非负时间序列 ， ( ) ( ) 为累加生成序列， 即： i (1)( ) = (o)( m ) ， t= l ， 2 ， ， n ( 1 ) m 1 G M( 1 ， 1 ) 模型的白化微分方程为： d X ( 1 ) ( ( 2 ) 十 自 L 山 式中： o 待辨识参数， 亦称发展系数； u 待辨识内生变量， 亦称灰作用量。 设 待 辨 识 向 量 f 。 1 ， 按 最 小 一- 小 ，A 一 、 。 TB ) 一 B 式 中： = 一l x ( 1 ) ( 1 ) ( 1 ) ( 2 ) 一- x ( 1 ) ( 2 ) ( 1 ) ( 3 ) 一 l x ( n 一 ) ( n ) 】 (o 】 ( 2 ) ( 0 ) ( 3 ) 【 0 】 ( n ) 于是可得到灰色预测的离散时间响应函数为： r 1 X O ( t + 1 ) = l X C O ( 1 ) 一 I e ( 3 ) l a J a ( ( c + 1 ) 为所得的累加的预测值， 将预测值还原即为： 膏 ( c + 1 ) = ( ) ( t - e 1 ) ( ) ( ) ， ( l ， 2 ， 3 ， ， n ) ( 4 ) ( 3 ) G M( 1 ， 1 ) 预测模型的MAT L A B程序。 根据上述GM( 1 ， 1 ) 模型的数学思想 ， 结合 MAT L AB语言的特点编制了一套可读性 强 ， 容易理解的预测程序。 该程序操作简单灵活， 稳定性好， 直 接面向用户 。 1 2 B P神经网络模 型的基本原理 1 2 1 神经网络的定义简介 神经网络是由多个神经元组成的广泛互连的神经网络， 能 够模拟生物神经系统真实世界及物体之间所做出的交互反应。 人工神经网络处理信息是通过信息样本对神经网络的训练， 使 其具有人的大脑的记忆 ， 辨识能力， 完成名种信息处理功能。 它 不需要任何先验公式， 就能从已有数据中自动地归纳规则， 获得 这些数据的内在规律， 具有良好的自学习， 自适应 ， 联想记忆 ， 并行处理和非线性形转换的能力， 特别适合于因果关系复杂的 非确定性推理， 判断， 识别和分类等问题。 对于任意一组随机的， 正态的数据， 都可以利用人工神经网络算法进行统计分析， 做出 拟合和预测嘲 。 基于误差反向传播( Ba c k p r o p a g a t i o n ) 算法的多层前馈网 络( Mu l t i p l e 1 a y e r f e e d f o r wa r d n e t w o r k ， 简记为 B P网络) ， 是 目 前应用最成功和广泛的人工神经网络。 1 2 2 B P模型的基本原理 学习过程中由信号的正向传播与误差的逆向传播两个过 程组成。 正向传播时， 模式作用于输入层 ， 经隐层处理后 ， 传人 误差的逆向传播阶段， 将输出误差按某种子形式 ， 通过隐层向 输入层逐层返回， 并“ 分摊” 给各层的所有单元 ， 从而获得各层 单元的参考误差或称误差信号， 以作为修改各单元权值的依据。 l 2 8 权值不断修改的过程， 也就是网络学习过程。 此过程一直进行到 网络输出的误差准逐渐减少到可接受的程度或达到设定的学 习次数为止。 B P网络模型包括其输入输出模型， 作用函数模型， 误差计算模型和 自学习模型。 B P网络由输入层， 输出层以及一个或多个隐层节点互连而 成的种多层网， 这种结构使多层前馈网络可在输入和输出间 建立合适的线性或非线性关系， 又不致使网络输出限制在一 1 和1 之间。 1 2 - 3 B P神经网络的训练 B P算法通过“ 训练” 这一事件来得到这种输入， 输出间合 适的线性或非线性关系。 “ 训练” 的过程可以分为向前传输和向 后传输两个阶段 ： ( 1 ) 向前传输阶段 ： 从样本集中取一个样本 ， 9 ， ， 将 输入网络 ； 计算出误差测度 E 和实际输出 o F &( ( ( ( ( 1 ) ) 圆 ) ) ) ； 对权重值 ( n ， 【2 】 ， ， 【L 】各做一次调整 ， 重复这个循 环， 直到 毋 。 ( 2 ) 向后传播阶段误差传播阶段： 计算实际输出 与理想输出Q 的差 ； 用输出层的误差调整输出层权矩阵； 1 三 E ： ( Q #- O ) ； =i 用此误差估计输出层的直接前导层的误差， 再用输出层 前导层误差估计更前一层的误差。 如此获得所有其他各层的误 差估计； 并用这些估计实现对权矩阵的修改。 形成将输出端表现出 的误差沿着与输出信号相反的方向逐级向输出端传递的过程。 网络关于整个样本集的误差测度： 庐E i E i 1 3应 用步骤 ( t ) 输入原始数据资料； ( 2 ) 应用灰色模型进行预测， 得到预测序列； ( 3 ) 将预测值作为输入量， 原始数据作为期望值 ， 对 B P神 经网络进行训练， 得到相应的权值和阀值； ( 4 ) 输入需要预测的天数， 即可得到具有相当精度的预测量。 2 工程应用与讨论 借鉴文献【 1 的工程实测数据， 该工程大体积混凝土设计采 用 C 5 5 混凝土， 索塔截面尺寸较大， 选取 3个参数作为灰色神 经网络的输入数据， 分别为： 混凝土水泥用量、 环境温度 、 养护 时间， 模型输出只有 1 个： 大体积混凝土温度。 养护时间与环境 温度的关系、 养护时间与混凝土最高温度的关系与环境温度与 混凝土最高温度的关系分别见图 l 3 。 由于各数据的量纲不同， 对神经网络的预测结果精确度会有很大的影响， 甚至有些时候 不能收敛 ， 现将将各数据进行归一化处理， 工程实例数据如表 1 所示。 采用灰色神经网络模型进行计算， 其回判结果和预测结果 见表 1 。 由以上的计算结果可以看出， 该模型收敛速度快， 预测精度 较高， 实现了对大体积混凝土温升的准确预测。 说明了灰色人工 神经网络方法的可行性和实用性。 此组合模型将灰色 G M( 1 ， 1 ) 学兔兔 w w w .x u e t u t u .c o m 4 O 7 0 骛 6 0 墨 5 o 。 赠 3 0 0 1 2 3 4 5 6 7 天数 d 图 1 养护时间与环境温度的关系 0 1 2 3 4 5 6 7 天数 ， d 毳 6O一 样本序号 图 3 环境温度与混凝最 高温度 的关 系 表 1 样本 集及温度预测结果 注： 表中含有 的样本为预测样本。 模型与 B P神经网络模型相结合， 既利用灰色预测的需要数据少 的优点， 又吸收了B P神经网络容错能力， 自适应能力强的优点。 此组合模型简单， 实用， 特别是在原始数据非常有限的情况下， 可以得到相当精度的拟合数据， 并能得到可靠的预测数据。 3结 论 大体积混凝土的温度应力是许多学者十分关心的问题。 采用传统热传导理论方法会陷入“ 参数取不准” 和“ 模型给不 准” 的问题 ， 因为影响混凝土温度场构成的因素极其复杂 ， 且 多数是高度非线性的。 所以， 人们在进行理论分析和数值模拟 时经常假设特定条件 、 对边界条件进行大量简化， 以致分析结 果与实际出入较大。 本研究对大体积混凝土温度构成的影响 因素进行了分析， 研究了各因素之间的关系， 具有很强的可操 作性 ， 有一定的现实意义。 基于灰色 O M( I ， 1 ) 模型与 B P神经 网络建立非线性组合模型， 既利用灰色预测的需要数据少的优 点 ， 又吸收了 B P神经网络容错能力， 自适应能力强的优点。 实 例研究表明， 该组合模型简单 ， 实用， 特别是在原始数据非常 有限的情况下， 可以得到相当精度的拟合数据 ， 并能得到可靠 的预测数据。 。 参考文献 ： I 】I 朱昕阳 大体积混凝土温升神经网络预测 山西建筑， 2 0 0 8 ， 3 4 ( 2 2 ) ： 1 2 5 -1 2 7 2 】 王铁梦 工程结构裂缝控制f M 北京： 中国建筑工业出版社， 1 9 9 7 ： 6 2 一l 8 5 3 3 朱伯芳， 王同生， 丁宝瑛 ， 等 水工混凝土结构的温度应力与温度控 S U M I 北京： 水利电力出版社， 1 9 7 4 ： 4 8 1 5 0 f 4 王新刚， 王起才， 周岩， 等 基于人工神经网络的大体积混凝土温度 场预测忉 混凝土， 2 0 0 6 ( 9 ) ： 2 1 2 4 5 15 朱1 白 芳大体积混凝土温度应力与温度控制【 M 】 北京： 中国电力出版 社 ， 1 9 9 9 6 龚召熊 水工混凝土的温控与防裂【 M 】 E 京： 中国水利水电出版社， 1 9 99 7 邓聚龙， 灰预测与灰决策 M 武汉 ： 华中科技大学出版社， 2 0 0 2 【 8 8 闻新， 周露 ， 李翔， 等MA T L A B神经网络仿真与应用【 M 】 北京 ： 科学 出版社， 2 0 0 3 作者简介： 联 系地址 ： 联 系电话 ： 李晓芳( 1 9 7 2 一 ) ， 女， 硕士研究生， 副教授， 研究方向： 建筑 与土木工程。 内蒙古包头市东河区西脑包大街金峰房地产开发公司 ( 0 1 4 0 4 0 ) 1 3 9 4 7 2 4 0 5 5 5 s 、 无锡蒸压加气混凝土砌块生产企业实施产品标识管理 为进一步推进墙材革新， 促进新型墙体材料健康有序发展 ， 规范新型墙体材料的生产和使用， 确保建筑工程使用的新型墙体材 料产品质量安全和管理上的可追溯性， 无锡市墙散办统一定制铝模用于蒸压加气混凝土砌块的标识， 作为新墙材企业认定产品的 一 种标志。 根据 江苏省发展新型墙体材料条例 的有关精神， 无锡市墙散办以锡墙散办 2 0 1 1 1 1 1 号 关于加强新型墙体材料监督管理的通 知 文下发给各有关建设单位、 施工、 监理和新墙材企业 ， 规定： 一、 已经省认定的蒸压加气混凝土砌块生产企业， 从 2 0 1 2年 2 月 1 日 起 ， 必须在产品上印上( 3 0 以上) 产品标识( 统一格式) ； 二、 建设、 施工单位使用的新型墙材 ， 一定要经省墙改办认定的产品， 蒸压 加气混凝土砌块产品还必须要有标识( 其它产品另行通知 ) ， 在墙改基金返退时， 严格按照 墙改基金管理办法 中的程序和内容， 对 照标识， 确认生产厂家， 再进行返退。三、 为了确保认定的新型墙体材料产品质量， 不定期地对建筑工地现场、 生产企业产成品堆场 进行质量抽检， 做到基本全覆盖。 通过强化新墙材标识管理， 使标识成为新型墙体材料产品认定管理、 专项基金返退及产品质量监督管理中识别产品的一种标 志， 使无锡市新墙材管理再上一个台阶。 1 2 9 学兔兔 w w w .x u e t u t u .c o m