[发明专利]再生骨料透水混凝土BP神经网络预测分析方法

摘要

本发明公开了一种再生骨料透水混凝土BP神经网络预测分析方法，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；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，通过对再生骨料透水混凝土4项关键性能指标的统计分析，建立其宏观性能的统计规律与内在联系。预测精度较高，表明了再生骨料透水混凝土强度、孔隙率、渗透性能的内在关系。

主权项

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；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。