基于人工智能的超高性能混凝土配合比优化设计研究

士远 孙(中庆建设有限责任公司，中国;)
亚伟 尚(郑州一建集团有限公司，中国;)
新忠 林(福建省闽西交通工程有限公司，中国;)
忠民 连(泉州市华泰建设工程有限公司，中国;)
渊博 朱(泉州市华泰建设工程有限公司，中国;)

摘要

当前建筑结构不断向更高承载力与更佳耐久性方向发展，超高性能混凝土（Ultra-high performance concrete, UHPC）凭借其卓越力学性能成为现代土木工程领域的新力量。然而，不同的工程项目常常对建筑材料有较为精准的性能需求，为降低UHPC试配过程中的资源消耗，本研究引入人工智能技术，利用机器学习构建性能预测模型，结合智能算法建立材料配合比优化模型，实现UHPC配合比设计智能优化。

关键词

超高性能混凝土；机器学习；配合比优化

参考

Ehsan G, Mojtaba B, Hugo C, et al. Prediction offresh and hardened state properties of UHPC: compar-ative study of statistical mixture design and an artifi-cial neural network model[J]. Journal of Materials inCivil Engineering, 2015, 27(11): No. 4015017.

吴贤国,陈彬,杨赛,等.基于RF-NSGA-Ⅱ算法的高耐久性混凝土配合比优化研究[J].工业建筑, 2021,51(7): 156-161.

肖祁南.基于人工智能的混凝土配合比多目标优化研究[D].广州:广州大学, 2022.

VAPNIK V N, CHERVONENKIS A. A note on one class of perceptrons[J]. Automationand Remote Control, 1964,25(1).

LIAW A, WIENER M. Classification and regression by randomForest. R News 2:18-22[J].2001.

Lundberg S , Lee S I .A Unified Approach to Interpreting Model Predictions[J]. 2017.DOI:10.48550/arXiv.1705.07874.

KENNEDY J. Particle swarm optimization[J]. Proc. of 1995 IEEE Int. Conf. NeuralNetworks, (Perth, Australia), Nov. 27-Dec., 2011,4(8): 1942-1948.表 3.2-1 配合比优化结果试验编号C(kg/m3)SF(kg/m3)S(kg/m3)FA(kg/m3)w/bQP(kg/m3)V-01656.4115.8562.1760.203175.1V-02726.3155.4521.895.60.192196.5V-03754.1182.5492.5124.80.171225.6试验编号Fi(kg/m3)SP(kg/m3)Sa(kg/m3)(MPa)(MPa)()V-01152.529.51150.8122.5715.31687.6V-02184.631.8955.2151.6921.04496.52V-03207.736.6904.5182.0725.71358.17

DOI: http://dx.doi.org/10.12345/gcjsygl.v9i20.33380