3D打印再生混凝土抗压强度预测：神经网络统计分析

"这篇论文是关于使用神经网络和统计分析预测建筑3D打印再生混凝土抗压强度的研究。发表在《建筑施工与规划研究》期刊2018年第六期，作者Kang Tan，来自大连理工大学的土木工程系。文章探讨了如何利用不同类型的神经网络模型，通过比较它们的均方根误差(RMSE)和确定系数(R2)，来选择最佳模型以预测3D打印再生混凝土的性能。" 正文: 在当今的建筑行业中，3D打印技术正在逐渐颠覆传统的施工方式，但同时也面临着诸多挑战，尤其是关于3D打印材料的研究。传统的混凝土已无法满足3D打印的需求，而再生混凝土因其环保和经济性成为了理想的替代品。然而，预测再生混凝土的性能，特别是抗压强度，对于3D打印技术的发展至关重要。 人工神经网络作为一种强大的人工智能工具，被广泛应用于解决多变量和非线性问题。在本研究中，神经网络被用来预测3D打印再生混凝土的抗压强度。研究者对比了多种神经网络模型，包括但不限于：多层感知器(MLP)、径向基函数网络(RBF)、支持向量机(SVM)和长短期记忆网络(LSTM)等，这些网络在预测复杂数据时都表现出色。 在评估这些神经网络的性能时，关键指标是均方根误差(RMSE)和确定系数(R2)。RMSE衡量的是预测值与实际值之间的差异，而R2则反映了模型对数据的解释能力，值越接近1表示模型拟合度越高。通过对这些指标的统计分析，研究者能够找出预测性能最佳的神经网络模型。 论文详细阐述了每种神经网络的训练过程、参数优化以及性能评估。通过一系列的比较，最终确定了最能准确预测再生混凝土抗压强度的神经网络模型。这个模型不仅可以为3D打印材料的研发提供指导，还可以为施工前的性能预测提供依据，从而提高3D打印建筑的安全性和效率。 这篇论文对建筑3D打印领域具有重要的理论和实践意义。它展示了神经网络在材料性能预测上的潜力，为再生混凝土在建筑3D打印中的应用提供了科学依据。同时，这种方法论也为其他类似材料的性能预测提供了研究范式，推动了3D打印技术在建筑行业的持续创新和发展。