基于BP神经网络的HPFL加固层与混凝土粘结强度预测

硅酸盐通报 ›› 2014, Vol. 33 ›› Issue (10): 2565-2571.

基于BP神经网络的HPFL加固层与混凝土粘结强度预测

黄华;杨惠会;施明君;刘伯权

长安大学建筑工程学院,西安710061;长安大学公路学院,西安710064;长安大学建筑工程学院,西安,710061

出版日期:2014-10-15 发布日期:2021-01-18
基金资助:
国家自然科学基金(51308065)%高等学校博士学科点专项科研基金项目优先发展计划(20130205130001)%陕西省自然科学基础研究计划项目(2012JQ7024)%中国博士后科学基金项目(2012M511956)%中央高校基本科研业务费专项资金项目(2014G2280014)

Prediction of Bond Strength between HPFL Reinforced Layer and Concrete Based on BP Neural Networks

HUANG Hua;YANG Hui-hui;SHI Ming-jun;LIU Bo-quan

Online:2014-10-15 Published:2021-01-18

摘要/Abstract

摘要： 根据HPFL加固层和加固混凝土构件之间的243个正拉粘结强度试验测试和24个剪切粘结强度试验测试,将影响二者粘结强度的主要因素,如抹灰龄期、加固界面粗糙度、混凝土和砂浆强度、修补方位等作为特征参数,建立了预测HPFL加固层与混凝土粘结强度的BP人工神经网络模型.采用训练好的BP神经网络对HPFL加固层与混凝土粘结强度进行了预测,并与实测值进行了对比.正拉粘结强度预测值与试验值之比的平均值为1.056,标准差为0.057;剪切粘结强度预测值与试验值之比的平均值为0.988,标准差为0.127.结果表明:预测值与试验值符合良好,利用BP神经网络对HPFL加固层与混凝土粘结强度进行预测是可行的.

关键词: BP神经网络;HPFL加固层;正拉粘结强度;剪切粘结强度

Key words: BP neural network;HPFL reinforced layer;tensile bond strength;shear bond strength

中图分类号:

TQ178

黄华;杨惠会;施明君;刘伯权. 基于BP神经网络的HPFL加固层与混凝土粘结强度预测[J]. 硅酸盐通报, 2014, 33(10): 2565-2571.

HUANG Hua;YANG Hui-hui;SHI Ming-jun;LIU Bo-quan. Prediction of Bond Strength between HPFL Reinforced Layer and Concrete Based on BP Neural Networks[J]. BULLETIN OF THE CHINESE CERAMIC SOCIETY, 2014, 33(10): 2565-2571.

[1]	余保英;周建伟;孔亚宁;杨文;程宝军. PVA纤维长度对超高韧性水泥基复合材料力学性能的影响[J]. 硅酸盐通报, 2020, 39(11): 3425-3431.
[2]	周建伟;杨文;程宝军;祝小靓;杨雨玄;麻鹏飞;余保英. 超细粉煤灰和偏高岭土对高强混凝土耐热性能的影响[J]. 硅酸盐通报, 2020, 39(6): 1784-1790.
[3]	周建伟;李辉;郑伍魁;马旭东;张静洁;杨雨玄. 掺粉煤灰和偏高岭土对高强混凝土不同温度下力学性能的影响[J]. 硅酸盐通报, 2019, 38(12): 3952-395.
[4]	张春生;孟令其;纪安业;梁九仑;李璐璐. 钢纤维掺量对高性能混凝土碳化性能影响机理研究[J]. 硅酸盐通报, 2018, 37(10): 3206-3212.
[5]	张卫红;刘莹;李文国;郗丽娟;张万友. 电石渣-硅酸钠-硫酸铝混凝剂的制备及其处理造纸废水的应用研究[J]. 硅酸盐通报, 2014, 33(4): 980-983.
[6]	张戎令;王起才;马丽娜;李晓东. 复配外加剂体系对高性能混凝土收缩性能的影响[J]. 硅酸盐通报, 2013, 32(11): 2194-2199.
[7]	逄建军;王栋民;张力冉;刘治华;王浩. 含三乙醇胺侧基聚羧酸减水剂的制备与性能[J]. 硅酸盐通报, 2013, 32(10): 2103-2107.
[8]	石正国;郭辉. 利用磷石膏制备低热、微膨胀复合水泥的研究[J]. 硅酸盐通报, 2012, 31(4): 799-803.