大体积混凝土温度裂缝产生机理和控制措施

通过分析大体积混凝土温度裂缝产生的原因,提出防止大体积混凝土温度裂缝产生的主要任务,从设计和施工两方面总结了大体积混凝土温度裂缝的控制措施,从而有效的解决大体积混凝土温度裂缝问题。     

大体积混凝土温度裂缝成因分析与对策研究

通过对大体积混凝土内部温度计算公式的分析,得到了造成大体积混凝土产生温度裂缝的内外温差影响因素,并依据控制大体积混凝土内外温差小于25℃的标准,从大体积混凝土的结构设计、现场施工和温度监测三个方面提出了控制大体积混凝土产生温度裂缝的对策要求,以供参考。     

混凝土施工温度与裂缝控制技术

通过对大体积混凝土裂缝成因及温度应力分析,建议从控制大体积混凝土温度、改善其约束条件两个方面来防止裂缝、降低其温度应力。指出混凝土早期养护对控制裂缝尤其重要。     

大体积混凝土温升预测的非线性模型

大体积混凝土的水化热若不能及时散发,会产生很大的温度应力,导致出现温度裂缝。为了避免温度裂缝的产生,人们必须预测和控制大体积混凝土的温度形成。针对大体积混凝土温度场的非稳态特性,提出了一种基于灰色人工神经网络的温升预测模型,介绍了灰色神经网络预测方法在工程中的应用,采用Matlab进行计算。预测结果表明,该模型收敛速度快,预测精度较高,实现了对大体积混凝土温升的准确预测。说明了灰色人工神经网络方法的可行性和实用性。     

大体积混凝土温度裂缝的防治措施

通过分析大体积混凝土温度裂缝产生的成因及特点,总结了大体积混凝土施工中温度裂缝的防治措施和方法,为控制和减少大体积混凝土施工温度裂缝提供借鉴。     

大体积混凝土早期温度应力分析与裂缝控制

大体积混凝土的温度裂缝控制是一个复杂的系统工程,通过对大体积混凝土浇筑后各个阶段的温度应力变化情况的分析,阐述了大体积混凝土产生早期温度裂缝的原因,并对大体积混凝土表面裂缝和收缩裂缝的防治进行了论述。     

大体积混凝土温度裂缝的分析与控制

由于高层建筑、高耸结构物和大型设备基础大量的出现,大体积混凝土也被广泛采用,大体积混凝土结构的温度裂缝日益成为建筑工程技术人员面临的技术难题。本文通过对大体积混凝土温度裂缝产生的影响因素分析及对大体积混凝土温度裂缝控制技术进行了分析,总结出大体积混凝土温度裂缝防治和控制的措施。通过大型设备基础的大体积混凝土施工过程中温度控制措施成功实施经验的介绍,给相关工程技术人员提供了有价值的参考。     

大体积混凝土温度裂缝成因及应对措施

通过分析大体积混凝土温度裂缝产生的原因,从设计、材料及施工三方面总结了大体积混凝土温度裂缝的控制措施,为控制和减少大体积混凝土施工温度裂缝提供借鉴。     

基于人工神经网络的大体积混凝土温度场预测

大体积混凝土的水化热不容易及时散发，内部温升将会很高，从而产生很大的温度应力，导致出现温度裂缝。预测分析温度场为研究温度裂缝以及进行温控设计、制定合理的防裂措施提供了依据。针对大体积混凝土温度场的非稳态特性，提出了一种基于BP人工神经网络Levenberg—Marquardt算法的温度场预测模型。预测结果表明，该模型收敛速度快，预测精度较高。     

自然变温条件下大体积混凝土施工期温度演变规律及预测方法研究

大体积混凝土的温度裂缝控制是关系到水运工程中混凝土大坝安全的重要技术问题,为了克服大体积混凝土温度监测导线布设工作量繁重、温控参量需要人工读数等缺陷,提出利用仿真试验和神经网络方法对混凝土内部温度进行计算与预测。结合实际工程,通过施工现场埋置温度传感器对大体积混凝土放热过程进行监测,采用COMSOL计算机仿真方法和神经网络预测模型对大体积混凝土内部温度变化进行研究。研究结果表明计算机仿真结果与实测温度的误差在5%左右,而神经网络预测模型与实测温度的误差在3%以内。将上述两种方法结合,可为大体积混凝土结构施工过程健康监测提供技术支撑。     

大体积混凝土温升神经网络预测

针对大体积混凝土温度场的非稳态特性,提出了一种基于BP人工神经网络的温升预测模型,介绍了BP神经网络预测方法在工程中的应用,预测结果表明,该模型收敛速度快,预测精度较高,从而实现了对大体积混凝土温升的准确预测。     

BP神经网络方法在大坝基岩变形监测中的应用

结合工程实例,利用上游水位,下游水位和气温建立BP神经网络预报模型,应用Matlab神经网络工具箱,采用traingdx算法进行模型训练,对大坝基岩变形进行预测,结果表明,建立的BP神经网络预测大坝基岩变形的模拟值具有较高的精度。     

基于PCA-GA-BP 的工程项目工期风险预测研究

为了在工程项目实施前准确地预测出工期风险的大小,在介绍BP 神经网络、遗传算法、主成分分析等理论的基础上,针对现有预测模型的缺点以及BP 神经网络自身缺陷,采用主成分分析法对样本数据进行降维处理,并利用遗传算法对 BP 神经网络的初始权值阈值进行优化,提出了基于PCA-GA-BP 的工程项目工期风险预测模型。将以往工程风险数据作为学习样本,训练并构建模型对待建工程项目工期风险进行预测。实例证明该模型有效、可靠,对指导实际工程具有重要意义。     

人工神经网络在掺活化煤矸石粉混凝土强度预测中的应用

人工神经网络技术综合考虑了掺活化煤矸石混凝土强度的各种影响因素,可用于预测混凝土强度.选取了掺活化煤矸石粉混凝土配料中7个主要因素作为输入值,混凝土28d强度作为输出值,建立起混凝土强度预测BP网络模型,进而对掺活化煤矸石配合比强度试验数据进行分析预测,效果良好.结果表明该方法用于掺矿物掺合料混凝土强度预测方面是可行的.     

再生骨料透水混凝土关键性能统计及预测分析

对再生骨料透水混凝土(RAPC)4项关键性能指标(抗压强度、劈拉强度、孔隙率及透水系数)进行了统计分析,发现这4项性能指标均基本服从正态分布规律;同时建立了RAPC宏观性能的统计规律与内在联系.在此基础上,基于人工神经网络方法,运用Python软件建立了基于BP神经网络的RAPC性能预测模型,并对上述关键性能指标进行了相互预测分析.结果表明:4项性能指标的模型预测值平均相对误差均在10%以内,预测精度较高,表明RAPC的透水性能与强度性能之间具有内在的反向关联关系,并具备可预测性.     

改进PSO-BP算法在钢筋腐蚀监测中的应用研究

针对混凝土内部钢筋腐蚀程度判别难、精确度低等问题,提出了将改进粒子群算法(PSO)与BP神经网络结合起来,通过对钢筋锈蚀机理及其影响因素的分析,建立了以混凝土内部温度、湿度、pH值、Cl-浓度和腐蚀电位为输入,钢筋腐蚀率为输出的改进PSO-BP监测模型,并将实测输入数据与仿真结果进行了对比。结果表明,改进PSO-BP算法的收敛性与准确性均优于PSO-BP算法和BP算法。     

高温下混凝土裂缝对温度场的影响

通过对带(预制)裂缝混凝土试件进行明火升温试验,研究高温下裂缝对混凝土温度场的影响.依据传热理论分析建立带裂缝混凝土试件截面温度计算模型,然后用数学软件MATLAB进行数值计算并与试验结果进行对比.结果表明:高温下裂缝区域的主要传热方式为热传导;相对于无裂缝处,有裂缝处测点温度更高;总体上测点的温度随裂缝宽度的增大而增大,远离裂缝的测点温度受裂缝的影响较小;不同测点的计算与实测升温曲线总体变化趋势一致,依据传热理论分析建立的带裂缝混凝土试件截面温度计算模型较为可靠.     

铁路桥梁混凝土工程造价大数据计算模型优化设计

基于大数据分析,对铁路桥梁混凝土工程造价计算模型的优化进行了研究。通过分析BP神经网络模型原理,发现该模型多输入多输出因素的非线性网络关系处理能力与本工程造价计算的非线性映射关系相吻合。利用计算机软件MATLAB中的BP神经网络工具箱进行搜索和查询,对于所采集得到的混凝土工程样本数据进行学习训练,把各项模型模拟数据结果和实际得到的样品数据结果进行比较分析,本研究构建的BP神经网络工程造价计算模型的误差率为3.29%,可满足铁路桥梁混凝土工程造价计算的精度要求。     

BP网络与遗传算法在水布垭工程中的应用

基于人工神经网络与遗传算法的基本理论，就其在水布垭混凝土面板堆石工程中的应用进行探讨。一方面，通过BP网络对已建的工程实例资料进行学习，并应用学习结果，根据规范确定的面板允许挠度，对堆石体的垂直压缩模量E进行控制，随之以E的控制值预测面板堆石坝的其他变形。另一方面，基于上述的网络训练结果，以工程的变形控制指标为目标，应用遗传算法对面板堆石坝多个设计参数进行控制。