论文部分内容阅读
钢筋混凝土结构由于其具有耐火性好、整体性好、造价较低等特点,而成为国家基本建设中应用最为广泛的结构形式之一。然而随着大量钢筋混凝土建筑物使用年限的增长,钢筋混凝土结构耐久性问题越来越突出,也越来越受到人们的重视,解决混凝土结构的耐久性问题已十分紧迫。混凝土耐久性是指混凝土结构在自然环境、使用环境及内部环境作用下,保持其自身工作能力的一种特性,或者说结构在设计使用寿命年限内抵抗外界环境和内部所产生的侵蚀破坏作用的能力。对在役钢筋混凝土结构进行耐久性评定和寿命预测,即可为在役结构的维修、加固或拆除提供可靠的依据,同时其研究成果也可为结构的耐久性设计提供参考,研究意义重大。在影响耐久性问题的众多因素中,混凝土碳化是混凝土耐久性研究的重要组成部分,碳化破坏混凝土的碱性环境,导致钢筋锈蚀,混凝土结构失效。本文主要考虑混凝土碳化的影响因素,通过利用支持向量机(SVM)和遗传算法(GA)建立了预测混凝土碳化深度的网络模型。主要工作如下:(1)总结了钢筋混凝土结构耐久性的研究背景、意义和国内外发展现状。重点分析了混凝土碳化的机理、影响因素、各种理论经验和神经网络模型及减缓混凝土碳化的措施。(2)介绍了支持向量机和遗传算法,其中主要阐述了支持向量机的原理、数学模型、算法和支持向量回归机(ε-SVR);遗传算法的理论基础、操作和特点。(3)在考虑混凝土的水灰比、水泥用量、碳化时间等碳化影响因素条件下,将遗传算法与支持向量机相结合,综合利用二者的优点,利用遗传算法优化支持向量机的预测参数,建立了混凝土碳化深度实用预测模型。通过工程实例数据进行了分析预测,并与经验理论模型和BP网络预测模型进行比较,测试的数据结果表明:遗传算法与支持向量机相结合的混凝土碳化深度预测模型较其它两种方法,预测效果较好,识别精度较高。遗传算法优化过的支持向量机网络模型的预测是可行的,本文所建立的混凝土结构碳化深度的预测模型有很好的应用价值。