[发明专利]一种大数据环境下多隐层BP网络预测水泥强度方法

摘要

本发明具体涉及一种大数据环境下多隐层BP网络预测水泥强度方法，一：建立水泥强度评估指标系统。二：获取水泥强度评估指标系统的数据；数据为收集整理水泥企业历年来每批水泥的强度试验检测报告数据，和收集获取国内外其他同类水泥企业的水泥强度试验检测数据来获取不同成分的样品在不同的天数时的抗压强度值与抗折强度值，获取不同成分的样品在不同的天数时的抗压强度值与抗折强度值。三建立初始的多隐含层的BP神经网络模型；结构采用包含3个隐含层的BP网络：将6维的特征矩阵作为初始BP神经网络模型的输入，6个神经元作为初始BP神经网络的输出。本方法是一种简单易用、快速高效的预测水泥熟料各龄期的抗压强度的方法。

主权项

1.一种大数据环境下多隐层BP网络预测水泥强度方法，其特征在于：包括以下步骤：/n步骤一：建立水泥强度评估指标系统；水泥强度评估指标系统包括水泥熟料的矿物组成、水泥试体的养护条件及天数、不同龄期的抗折强度、抗压强度；所述水泥强度评估指标为根据每批水泥的矿物成分按照国际水泥强度测试法及固定水灰比制成的试体在20℃的恒温箱中养护到3天、7天和28天的抗压强度与抗折强度；/n步骤二：获取水泥强度评估指标系统的数据；数据为收集整理水泥企业历年来每批水泥的强度试验检测报告数据，和收集获取国内外其他同类水泥企业的水泥强度试验检测数据来获取不同成分的样品在不同的天数时的抗压强度值与抗折强度值，从而获取不同成分的样品在不同的天数时的抗压强度值与抗折强度值；/n步骤三：建立初始的多隐含层的BP神经网络模型；本神经网络结构采用包含3个隐含层的BP网络：将6维的特征矩阵作为初始BP神经网络模型的输入，6个神经元作为初始BP神经网络的输出；/n将6维的特征矩阵作为初始BP神经网络模型的输入，6个神经元作为初始BP神经网络的输出，对初始BP神经网络模型进行优化，得到优化好的BP神经网络模型，将步骤二获取的数据输入优化好的BP神经网络模型，BP神经网络模型，输出评估等级；/n所述述6维的特征矩阵为步骤二采集的数据中水泥样品的成分含量，具体为硅酸三钙C3S的含量、硅酸二钙C2S的含量、铝酸三钙C3A的含量、铁铝酸四钙C4AF的含量、游离氧化钙FCao的含量以及熟料中的碱的含量；/n所述6个神经元具体为3天的抗折强度、3天的抗压强度、7天的抗折强度、7天的抗压强度、28天的抗折强度、28天的抗压强度；/n所述输出的评估等级分别为好、较好、一般、较差和差。/n