混凝土强度无损检测数据处理的混沌优化神经网络模型

　　混凝土的强度可用回弹值或声速值等来推定,对此相应检测规程中提供了线性及非线性拟合的方法,但有的规程版本较老,如CECS 02—1988《超声回弹综合法检测混凝土强度技术规程》中的方法已相对落后。

　　神经网络具有自学习、自组织和逼近任意非线性映射的能力,在处理与解决问题时不需要对象的精确数学模型。因此,神经网络技术可用于推定混凝土强度。笔者通过在实践中积累的丰富的第一手检测数据,建立了用于推定混凝土强度的混沌优化神经网络模型。

　　1　混凝土强度无损检测的数据处理

　　现行规程对混凝土强度无损检测数据处理提供

　　其它检测方法亦是如此处理。但回弹值与混凝土强度间是否真的具有如此明确的数学关系,尚待商榷。事实上,这仅是一种建立在大量试验基础上的经验公式。

　　随着科学技术的发展,新的计算手段层出不穷。BP神经网络便是其中一种,它主要用来进行函数逼近、模式识别、分类及数据压缩。因此,可利用BP网络在输入矢量(如回弹值)和相应的输出矢量(混凝土强度)间建立一个神经网络模型,来逼近一个函数(该函数不一定有明确的数学表达式)。与传统的数据处理方法相比,该方法更加快速、可靠。

　　2　混沌优化神经网络

　　2.1　人工神经网络

　　人工神经网络(Artificial Neural Network)是一个由大量简单的处理单元(神经元)广泛连接组成的人工网络,用来模拟大脑神经系统的结构和功能。它是一种非线性映射,具有很强的鲁棒性、容错性和冗余度及计算的并行性等,是人工智能的一个前沿研究领域,得到了广泛的应用。

　　据统计,在人工神经网络的实际应用中,80%~90%的人工神经网络模型是采用BP网络或其变化形式,它也是前向网络的核心部分,体现了人工神经网络最精华的部分[2]。BP算法的基本思想是,学习过程由信号的正向传播和误差的逆向传播两个过程组成。在该算法中,采用了最速下降法来搜索最优解。最速下降法所具有的特点是在局部搜索空间的搜索能力强,而对于全局搜索空间来说,它却存在着收敛速度慢、易陷入局部极小点等缺点。

　　2.2　混沌优化神经网络

　　混沌是存在于非线性系统中的一种较为普遍的现象[3]。混沌运动并不是一片混乱,而是具有遍历性、随机性和规律性,能在一定范围内按其自身规律不重复地遍历所有状态。混沌优化方法直接采用混沌变量进行搜索,搜索过程按混沌运动自身的规律进行,而不是像有些随机优化方法那样通过按某种概率接受较差解的方式来跳出局部最优解,因而更有可能逃离局部极小点。