数据分析在混凝土配合比设计中的应用探究论文

2016-12-01

数据分析在混凝土配合比设计中的应用探究全文如下：

混凝土是全世界范围应用最为广泛的建筑材料。在混凝土诞生的一百多年中，无数科研工作者、工程实践者付诸大量的心血探索混凝土的奥秘。但是由于混凝土是一种从细观到宏观都是高度非均质的多项复杂体系，在科学实践中存在众多问题。

混凝土配合比设计的研究对于混凝土生产企业优化工艺、降低成本有着重要意义，为此全世界范围内的学者都给出过不同的研究方法。但是现行的配合比设计方法仍存在较多问题亟待解决。究其原因主要是有关混凝土材料的基础理论性研究不足，导致现行的众多的配合比设计方法均不能以材料科学: 组成、结构与性能的科学方法来阐述混凝土的内在问题。

我们可以对国内外几种配合比设计方法进行简单的评价: 美国ACI 方法: 其优点在于简单易行，通过查表即可得出配合比，但是各个参数的选择理论依据不强，对于材料性状变化的敏感性差，是经验性配合比设计方法最为典型的案例。而英国BRE 方法，相比美国ACI 方法参数选择相似，但是其选择依据考虑的因素更多，缺点也比较明显，仍是图表选择的形式，可能导致普适性较差。法国Dreux 方法的优点在于各个参数考虑细致。但是，Dreux 级配曲线可能有一定局限性。法国( de. larrad) 则在理论上更胜一筹，以物理模型和数学模型建立的设计方法。而我国现行的配合比设计方法更注重的是经验性设计。应该注意到，这样的配合比设计方法理论基础相对薄弱，经验性选择居多，并且计算结果偏差很大。具体表现在，强度公式引起的误差波动，其次用水量与砂率的选择依据也并不充分。

近年来，随着“人工神经网络”等数据分析方法研究的兴起，越来越多的人开始尝试用数据挖掘与分析的方法来进行混凝土配合比的设计与优化。比如人工神经网络方法就具有非线性处理能力强、不需要明确的函数关系式等特点。一个三层BP 神经网络可以以任意精度近似任何连续函数。甚至有研究指出采用人工神经网络技术进行混凝土配合比设计，具有适应性强、准确有效的优点，是进行多组分混凝土配合比设计的一种切实可行的方法。

本文针对混凝土配合比设计的研究工作已经取得的进展，阐明混凝土配合比设计所存在的问题，分析并讨论数据分析在混凝土配合比设计中的地位与意义，为混凝土配合比设计的进一步研究与工程实践提供一定的参考价值。

1 数据分析与混凝土配合比设计

1. 1 人工神经网络

1. 1. 1 人工神经网络技术简介通常意义上的BP人工神经网络是以输入单元为自变量、输出单元为因变量、网络单元间的连接权值为调整参量，按最小误差原则逐步反馈修正而使网络达到最佳模拟状态的一种数学算法，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元; 中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构; 最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。

当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。

1. 1. 2 在混凝土配合比设计中的应用人工神经网络的特点是非线性处理能力强、不需要明确的函数关系式等，正是因为这些优点，人工神经网络技术慢慢渗透到了各行各业当中且有着非常广泛的应用。理论上讲，一般的三层BP 神经网络可以以任意精度近似任何连续函数。有科学研究指出，采用人工神经网络技术进行混凝土配合比设计，具有适应性强、准确有效的优点，是进行多组分混凝土配合比设计的一种切实可行的方法。刘国华等人曾以BP 网络表达的混凝土性能——配合比关系作为约束条件，以成本函数作为目标条件，采用Monte - Carlo 随机试验法建立直接优化设计模型，并对网络输入输出单元的选择和预测结果稳定性进行较深入的探讨，最终开发出了实用软件。

1. 1. 3 应用实例

用BP 人工神经网络技术建立一个混凝土配合比设计的预测模型，首先必须能够让输入单元反映出影响混凝土最终性能的各个因素，且输出单元要包括所设计混凝土的各项性能指标。因此输入单元主要包括各种原材料的用量和混凝土制作工艺，主要有以下几种: 胶凝材料水泥的品种、强度、初终凝时间; 砂的用量与细度模数; 石子的用量、颗粒级配和最大、最小粒径;矿物掺合料如膨润土、粘土、粉煤灰、矿渣、矿粉等的用量; 用水量; 外加剂( 主要指减水剂用量及其减水率) 。对于混凝土的制作工艺，主要是指其拌合方式，因为不同的拌合方式成本不同，得到的混凝土性能也有差异。而输出单元主要包括混凝土强度、流动度与和易性，其他各项性能因一般情况暂不要求顾不做考虑。

为了提高模型在实际运算中的效率，可根据不同要求对输入输出单元做适当取舍。将输入单元中原材料的影响分为用量与质量指标两类。对于原材料的用量，由于在具体工程中某些材料如矿物掺合料等不会被采用，因此可以忽略; 质量指标往往对于同一工程而言，同产地原材料性能变化不大，在计算中可视为常值不予考虑。如果样本中原材料种类过多，包含了预设输入单元以外的原材料，则视作无效样本，不予采用; 但当样本中原材料种类少于网络单元中原材料的种类时，此类样本中未使用的原材料用量可以以0 代替。当然，如果试验得到的混凝土性能种类少于网络输出单元的性能种类，则视为无效样本。

1. 2 模糊聚类分析

1. 2. 1 模糊聚类分析简介模糊聚类分析是用数学方法研究和处理所要研究对象的分类问题，即用数学定量地确定分析对象之间在性质、特征等方面的亲疏关系和相似性，从而实现对事物客观地分型划类的数学方法。它是一种非常有效的分类手段，广泛地应用于天气预报、地震预测、地质勘探、环境保护以及图像语言识别等领域之中; 但是模糊集合论不同于普通的集合论，它是一种全新的理论，因而理解起来需要作一下思维的变换。而聚类分析是数理统计中的一种多元分析方法，它是用数学方法定量地确定样本的亲疏关系，从而客观地进行类型的划分。在客观世界中，事物之间的界限有确切的亦有模糊的。

当分类要求涉及事物之间的模糊界限时，需运用模糊聚类分析方法。通常把被聚类的事物称为样本，将被聚类的一组事物称为样本集。模糊聚类分析有两种基本方法: 系统聚类法和逐步聚类法。聚类分析是用数学方法研究和处理所要研究对象的分类问题，即用数学定量地确定分析对象之间在性质、特征等方面的亲疏关系和相似性，从而实现对事物客观地分型划类的数学方法。用模糊聚类分析事物更加的灵活，客观和计算简便。

1. 2. 2 在混凝土配合比设计中的应用模糊聚类分析在混凝土配合比设计中的应用主要是采用基于模糊等价关系的动态聚类法，其计算过程主要是样本与聚类指标的选择、数据标准化、计算模糊相似关系、确定模糊等价关系和聚类，模糊聚类分析的结论并不表征对象绝对属于某一类，而是以清晰的阈值表征对象在一定程度上相对属于某一类。模糊聚类分析与BP 人工神经网络结合进行预测比单纯的模糊预测精度要高，所需的训练次数要少，而且预测效果要好。这是因为通过模糊聚类分析可以预先将各个模式分成若干类别，而如果单纯地通过隶属度进行预测计算则无法充分利用各个模式间存在的相容相斥关系，这样将会导致可利用的信息不完整。

相反。如果能够很好地配合BP 人工神经网络的信息处理机制，则可以充分增强神经网络的分类能力。除此之外，还可以使各个模式间的相容相斥信息得以利用，预测精度会相应提高。模糊聚类由于可以从量上把握研究体系中的复杂和模糊不确定的关系，因此在混凝土配合比设计中应用模糊聚类方法可以解决那些往往无法定量讨论的问题。模糊聚类还可以通过对混凝土配合比基础理论的修正，来侧面优化通过人工神经网络建立的混凝土配合比设计系统。周双喜曾以钢渣粉、粉煤灰、矿渣粉、烧黏土等作为试验对象，把掺加不同掺合料胶砂的3d与28d 抗压、抗折强度作为样品的指标，通过模糊聚类分析了掺合料的活性，并由此避免了凭经验选择所带来的主观片面性。

李敏等人采用抗压强度损伤系数、外观损伤系数和耐久度损伤系数为一级评价指标，以爆裂度、裂缝宽度为二级指标，确定了评价因子的权重，建立了评价计算模型，实现了无损伤快速的对高强混凝土受火后的综合评价。田华等人指出通过选取两类指标: 最简单直观的水灰比、矿物掺合料用量、砂率、水泥强度、混凝土外加剂用量和骨料最大粒径或者体现混凝土强度、工作性、耐久性和经济性的抗压强度、坍落度、抗渗性和原材料，将模糊聚类分析法用于混凝土质量控制中可改进传统混凝土质量评定结果的不客观性。赵运德等人以人力、机械、材料、方法和环境为指标采用模糊聚类分析法，建立了一种快捷方便的混凝土质量评估模型，可预测混凝土质量评价中的影响因素，以确保工程质量的合格。

1. 3 灰色关联分析

1. 3. 1 灰色关联分析简介灰色关联分析方法是根据各个因素之间发展趋势的相似相异程度( 灰色关联度) 作为衡量因素间关联程度的一种方法。灰色关联分析的基本原理是考察各行因素之间微观或宏观的几何接近，以分析和确定各因素之间的影响程度或若干个子因素对主因素的贡献程度。灰色系统理论实际上提出了对各子系统进行灰色关联分析的概念，该理论企图通过一定的方法来寻求系统中各子系统( 或因素) 之间的数值关系。也正因为此，灰色关联度分析对于任意一个系统的发展变化态势都提供了数量化的度量。关联度是针对于两个系统之间的因素中随时间或不同对象而变化的关联性大小的量度。在系统发展过程当中，若两个因素变化的趋势具有一致性( 同步变化程度高) ，则可以说二者关联程度大，因此可以得出在某个包含多种因素的系统中具体的某个因素是属于主要的、次要的还是影响比较小的。

1. 3. 2 在混凝土配合比设计中的应用

混凝土是一种可用于多种环境下的非均质材料，其性能受多种因素的影响，而应用灰色关联理论可以将混凝土多个影响因素的“影响力”进行量化、排序，不仅使人们在理论上更好的认识混凝土，而且有助于混凝土配合比设计方法在理论层面上的完善。冯庆革等人曾借助灰色关联理论计算出养护龄期为7、28d 的混凝土抗压和抗拉强度与10nm ～ 20nm 范围的孔关联度最大， 91d 时与大于400nm 的孔关联度最大。梁本亮的结论与按照单因素敏感性分析方法得出的结果一致，即应用灰色关联建立了氯离子浓度、水灰比、环境湿度和构件表面氯离子浓度与氯离子侵蚀寿命之间的关联度，得出混凝土结构氯离子侵蚀寿命影响因子敏感度中，以构件表面氯离子浓度为最高，其次是氯离子浓度和环境湿度，水灰比敏感度最低。

张永娟等人通过灰色关联理论分别分析了钢渣粉和矿粉颗粒与混凝土强度之间的关系，指出要想提高钢渣粉颗粒群的反应活性，应增加粒径为5μm ～ 30μm，尤其是粒径为5μm ～ 10μm 的颗粒含量，而矿渣粉则是0 ～20 μm范围内的颗粒对混凝土强度有积极作用。席峰等人通过分析聚苯乙烯泡沫混凝土的原材料用量与混凝土强度和密度的关联度，指出在密度不变的情况下，水灰比的改变和减水剂的使用对混凝土强度影响最大; 而在强度不变的情况下，砂石和EPS 的含量是影响密度的主要因素。

C. Y. Chang和他的团队曾将灰色关联和赋权技术结合起来确定了应用再生骨料生产混凝土的最佳参数。冯庆革等人通过灰色关联分析法计算出养护龄期为7、28d 的混凝土抗拉、抗压强度与10nm ～ 20nm 范围的孔关联度最大，91d时与大于400nm 的孔关联度最大。罗洵利用灰色关联法，分析了胶凝材料用量、水胶比、磨细矿渣掺量、硅灰掺量与混凝土坍落度和28d 强度的关联度，得出胶凝材料的用量对混凝土强度和流动性的影响最大的结论。袁晓露的团队还通过灰色关联法分析了水泥矿物组成与韧性间的主次相关性。陈志江等人利用灰色关联分析法得到了各个因素对混凝土碳化深度的影响，按照大小依次排序为: 水灰比、相对湿度、水泥用量、碳化时间。

2 总结

( 1) 采用人工神经网络技术进行混凝土配合比设计，具有适应性强、准确有效的优点，是进行多组分混凝土配合比设计的一种切实可行的方法。

( 2) 模糊聚类分析与BP 人工神经网络结合进行预测比单纯的模糊预测精度要高，所需的训练次数要少，而且预测效果要好。

( 3) 灰色关联理论可以将混凝土多个影响因素的“影响力”进行量化、排序，不仅使人们在理论上更好的认识混凝土，而且有助于混凝土配合比设计方法在理论层面上的完善。