[发明专利]一种基于GA-BP网络的碾压混凝土压实度评价方法

权利要求书

1.一种基于GA-BP网络的碾压混凝土压实度评价方法，其特征在于包括以下步骤：

步骤一，选取施工现场各测点碾压料含湿率、碾压层表面应力横波波速、碾压料级配因子和胶砂比为实时评价模型的输入指标参数；

步骤二，确定压实度实时评价模型的神经网络；采用一层输入层，二层隐含层和一层输出层的双隐含层神经网络；输入层的神经元个数为4，即步骤一获取的碾压料含湿率、碾压层表面应力横波波速、碾压料级配因子和胶砂比；输出层的神经元个数为1，即压实度；隐含层神经元个数通过隐含层节点数仿真的均方误差和绝对误差分析确定，分别确定为4和6；

步骤三，利用遗传算法优化初始权值和阈值；

步骤四，将确定的初始权值和阈值带入BP神经网络进行精调建立最优神经网络模型；

步骤五，获取实测点碾压料含湿率、碾压层表面应力横波波速、碾压料级配因子和胶砂比并利用最优神经网络模型对实测点进行实时评价，得到压实度值。

2.根据权利要求1所述的基于GA-BP网络的碾压混凝土压实度评价方法，其特征在于：所述步骤一是通过智能含湿率仪、波速实时测试仪在碾压现场在线采集数据，并查找对应采集测点混凝土碾压料级配因子和胶砂比，将获得的样本数据进行预处理，通过线性变化映射到区间；并选取500组样本数据作为模型训练数据用于测试训练后的网络模型性能。

3.根据权利要求1所述的基于GA-BP网络的碾压混凝土压实度评价方法，其特征在于：所述步骤三利用遗传算法优化初始权值和阈值是：将选取的500组数据作为GA-BP网络的训练数据，将网络中所有权值和阈值直接采用实数编码的方式形成一组有序的染色体X，每个染色体编码长度为S，在连接权值与阈值范围内，随机生成n个种群，每个种群的进化次数为m；适应度函数采用网络误差平方和的倒数，以便于寻找所有进化代数中使网络误差平方和最小的权值和阈值；根据适应度函数，计算每个个体的适应度值，挑选适应度值作亲本，进行基因交叉和基因变异，产生新一代个体；计算新个体适应度值，进入循环直至求得最优个体，即确定初始权值和阈值。

4.根据权利要求1所述的基于GA-BP网络的碾压混凝土压实度评价方法，其特征在于：所述步骤四将确定的初始权值和阈值带入BP神经网络进行精调建立最优神经网络模型是：将遗传算法优化的权值和阈值作为GA-BP神经网络的初始权值和初始阈值，利用500组训练数据计算网络期望输出与实际输出值的均方误差，判断均方误差是否满足要求，如果满足，则停止训练，否则不断更新网络的权值和阈值，反复迭代计算，直到满足精度要求或达到设定的训练步数，训练模型结束建立最优神经网络模型。