西北工大硕士论文：人工智能预测自密实混凝土性能与神经网络方法

本篇硕士学位论文主要探讨了人工智能在自密实混凝土试验研究及性能预测中的应用。自密实混凝土作为一种高性能混凝土，具有诸多优势，如减少噪音污染、降低工人劳动强度、改善施工质量、利用工业废弃物实现资源循环利用和环保特性，被誉为"绿色混凝土"。研究者王东升针对西北工业大学的结构工程专业，以西北工业大学硕士的身份进行此项研究。 论文的前半部分，通过正交试验设计，着重分析了水胶比（W/C）、砂率、硅灰（SF）掺量和超细矿物掺合料（sL）对混凝土拌合物自密实性的影响。通过综合平衡法，确定了原材料体系中这些参数的最佳取值范围，并成功配制了C40和C50强度等级的自密实混凝土。研究还涉及了28天抗压强度与水胶比的关系，提供了相应的配合比建议。 然而，自密实混凝土的性能受到多种组分和交互效应的影响，这使得单因素的回归分析难以准确描述其工作性及硬化后的力学性能。因此，论文的后半部分转向了更先进的技术——神经网络方法。作者构建了一个基于人工神经网络（尤其是BP网络）的模型，将混凝土各组分的重量作为输入，新拌或硬化后的性能作为输出，实现了多因素非线性关系的学习和预测。通过大量的样本训练，网络能够有效地捕捉输入与输出之间的复杂关系，从而为自密实混凝土的性能预测和设计提供了一种创新且实用的方法。 关键词包括自密实混凝土的工作性、正交试验、扩展度、人工神经网络、BP网络、样本网络训练以及网络算法。该研究不仅提升了自密实混凝土的性能理解，也为混凝土行业的高性能发展方向提供了新的科学依据和技术支持。