水泥的28天强度值是确定水泥标号的主要依据,目前关于这个值的预测,国内外水泥界研究较多的快速预测方法都是通过提高试件的养护温度来加速水泥水化速度,在短龄期内获得较高的强度,然后,根据一定的换算关系来预测28天强度值,可由于水泥强度预测是一个多变量、非线性、大时滞问题,采用上述换算关系把水泥强度与各检测值之间的高度非线性关系简化为线性函数关系,势必影响预测结果的准确性。所以,本文尝试用人工神经网络建模的方法来预测水泥强度。 本论文分别针对BP神经网络和RBF神经网络建立了预测模型,并对它们进行了仿真试验,发现BP预测模型在网络训练速度和预测精度等方面都较RBF模型差,所以在强度预测应用软件的开发中,预测模型采用RBF神经网络建立。 在确立预测模型后,进行了预测系统的软件开发,此系统的交互界面采用Visual C++6.0开发,预测模型由MATLAB编写,通过MATLAB自带的Combuilder工具把预测模型M文件做成COM组件,实现了在VC下对MATLAB程序的调用,后台数据库采用SQL Server 2000开发。实践证明,该预测系统精度较高,对水泥生产具有一定的指导作用。