针对某镍矿充填工艺与充填物料组成成分的复杂性,为提高坍落度测试的效率,同时在不影响测试准确性的前提下减少试验数量,采用BP神经网络分析数据的原理与方法,分析输入、输出层与隐蔽层的结构层次关系,建立起充填物料中的人工砂X1、河砂X2、尾砂X3、水泥X4含量4个变化因素对不同浓度充填料浆坍落度Y1、Y2、Y3影响的函数关系模型,通过训练值与试验测试值的比较,结果显示该模型可较好地预测不同浓度条件下充填料浆的坍落度参数,该模型用于预测时的误差小、精度达到96.481%,在与现场试验的对比当中,该模型表现出良好的适用性.
参考文献
[1] | 宋玲玲;赵胜利;李泉辉;张东原.高性能混凝土坍落度预测的遗传规划方法[J].河北农业大学学报,2010(2):114-118. |
[2] | 季韬;林挺伟;郑忠双;林旭健.混凝土拌和物坍落度预测方法的研究[J].建筑材料学报,2005(2):159-163. |
[3] | 连立川;刘燕妮;叶怡成.以粒子蜂群网络建立高性能混凝土坍落度模型[J].福建工程学院学报,2015(1):1-9. |
[4] | 孙亚丽;廖小辉;李燕.再生混凝土坍落度预测[J].混凝土,2013(6):81-83,96. |
[5] | 闫春岭;张爱玲.再生混凝土坍落度自适应模糊推理模型[J].混凝土,2014(8):35-37. |
[6] | 宋军伟;方坤河;郑念念.BP神经网络在多元掺合料砂浆强度预测中的应用研究[J].粉煤灰综合利用,2007(5):9-12. |
[7] | 杨晓.神经网络在混凝土强度试验中的应用[J].中外公路,2004(04):159-161. |
[8] | 邓代强;朱永建;李健;张友轩.基于BP神经网络的充填料浆流变参数预测分析[J].武汉理工大学学报,2012(7):82-87. |
[9] | Yi JQ;Wang Q;Zhao DB;Wen JT.BP neural network prediction-based variable-period sampling approach for networked control systems[J].Applied mathematics and computation,20072(2):976-988. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分:
-
10%
-
20%
-
30%
-
40%
-
50%