[发明专利]基于BP神经网络的氯离子固化量预测方法

权利要求书

1.一种基于BP神经网络的氯离子固化量预测方法，其特征在于包含以下步骤：(1)确定影响氯离子固化量的各种因素指标的值和测定的氯离子固化量的值作为检测数据；(2)建立BP神经网络；(3)对BP神经网络进行训练和测试；(4)利用通过测试的BP神经网络模型对氯离子固化量进行预测。

2.根据权利要求1所述的一种基于BP神经网络的氯离子固化量预测方法，其特征在于影响氯离子固化量的各种因素是指：水泥中的C₃S含量、水泥中的C₂S含量、水泥中的C₃A含量、水泥中的C₄AF含量、水泥中的碱含量、混合材或掺合料掺量、Cl^-浓度、SO₄^2-浓度、OH^-浓度和温度。

3.根据权利要求1或2所述的一种基于BP神经网络的氯离子固化量预测方法，其特征在于所述的步骤(1)还包括影响氯离子固化量各种因素指标的值归一化到-1到+1之间的归一化过程。

4.根据权利要求1所述的一种基于BP神经网络的氯离子固化量预测方法，其特征在于所述的神经网络包含一个输入层，一个隐含层和一个输出层。

5.根据权利要求4所述的一种基于BP神经网络的氯离子固化量预测方法，其特征在于所述的输入层有10个神经元，隐含层有18个神经元，输出层有1个神经元。

6.根据权利要求5所述的基于BP神经网络的氯离子固化量预测方法，其特征在于所述的隐含层神经元的传递函数采用双曲正切S型函数，输出层神经元的传递函数采用线型函数。

7.根据权利要求1所述的基于BP神经网络的氯离子固化量预测方法，其特征在于所述的对神经网络进行训练和测试是：将样本数据分为两部分，前80％用来训练网络，称为训练样本，后20％用来测试网络，称为测试样本，对BP神经网络进行有限次的反复训练，当预测值与实测数据间误差达到0.001时，停止训练，开始预测。

8.根据权利要求1或7所述的基于BP神经网络的氯离子固化量预测方法，其特征在于所述的对神经网络的训练是采用误差反向传播算法即BP算法进行训练。

9.根据权利要求1或7所述的基于BP神经网络的氯离子固化量预测方法，其特征在于在步骤(3)中，当神经网络对各组测试样本的预测误差均低于规定水平时即通过测试，然后进行步骤(4)的预测工作。

10.根据权利要求1或7所述的基于BP神经网络的氯离子固化量预测方法，其特征在于在步骤(4)中，利用通过测试的神经网络进行预测时，先将监测数据归一化到-1到+1之间，再进行神经网络模型的输入，网络运算后的结果即为氯离子固化量的预测值。