[发明专利]再生骨料透水混凝土BP神经网络预测分析方法

权利要求书

1.一种再生骨料透水混凝土BP神经网络预测分析方法，其特征在于，包括以下步骤：

第一步：确定输入向量和输出向量：输入向量为透水混凝土的抗压强度、劈裂抗拉强度、孔隙率和渗透系数这四个宏观性能指标中任意三个，输出向量为不同于输入向量中剩余的一个指标；输入向量包括多个神经元，I_输入＝I₁+I₂+I₃+I₄+I₅+b₁×1，式中：I₁＝w₁×i₁+w₂×i₂+w₃×i₃；I₂＝w₄×i₁+w₅×i₂+w₆×i₃；I₃＝w₇×i₁+w₈×i₂+w₉×i₃；I₄＝w₁₀×i₁+w₁₁×i₂+w₁₂×i₃；I₅＝w₁₃×i₁+w₁₄×i₂+w₁₅×i₃；w_1，2，3…为权重，i_1，2，3为输入向量，b1为截距项；输出向量常根据预测目的进行人为确定，多数情况下为1个神经元，式中：w_16...20为权重，

第二步：根据输入向量、输出向量构造符合再生骨料透水混凝土关键性能预测的BP神经网络模型，并根据实际预测精度要求，设定误差阈值；建立BP神经网络模型中选择单隐含层，其节点采用试凑法公式来确定：

式中：h为隐含层节点；m为输入层节点数；n为输出层节点数；a为1-10之间的调节常数；

第三步：以所选取的影响因素的历史数据生成输入向量，以所对应时刻输出向量值的历史数据作为期望输出向量，得到训练样本；将所述输入向量输入所构造的BP神经网络模型得到实际输出向量，即为再生骨料透水混凝土关键性能之一的预测值；以输出向量预测值与输出向量期望值的均方根误差作为BP神经网络误差反向传播算法的输入数据对BP神经网络模型进行循环往复训练，不断调整网络的权值和阈值，直至输出的预测值与期望值之间的误差小于设定阈值且误差平方和达到最小，得到训练后的BP神经网络模型；

第四步：根据所选取的影响因素的待预测时刻的实际数据生成测试输入向量，将测试输入向量输入训练后的BP神经网络模型，其输出即为待预测时刻的再生骨料透水混凝土关键性能值。

2.根据权利要求1所述的再生骨料透水混凝土BP神经网络预测分析方法，其特征在于，预测分析分3种情形：

(1)以劈拉强度、孔隙率及渗透系数作为输入层，抗压强度作为输出层建立BP网络模型，此处采用单隐含层，隐含层节点采用较常用的试凑法公式来确定：

式中：h为隐含层节点；m为输入层节点数；n为输出层节点数；a为1-10之间的调节常数；

(2)为形成较系统、完整的强-渗预测模型，从另一个角度对BP网络模型结构做出调整，即采用RAPC抗压强度、劈拉强度和孔隙率预测渗透系数，方法同(1)；

(3)为拓展RAPC多角度、深层次的模型结构，除建模预测抗压强度和渗透系数以外，对其余的2项性能指标也进行了尝试，验证4项指标彼此之间的可预测性，方法同(1)。

3.根据权利要求1所述的再生骨料透水混凝土BP神经网络预测分析方法，其特征在于，采用python软件来实现网络模型训练，隐含层传递函数采用logsig型函数，输出层传递函数采用purelin函数，训练函数采用动量反传的梯度下降BP算法traingdm函数。