唐仁忠 孫從亞

0 引言

鋼筋銹蝕是鋼筋混凝土結(jié)構(gòu)破壞的主要原因之一，國(guó)際上一般把混凝土中鋼筋腐蝕引起混凝土順筋開(kāi)裂作為評(píng)定混凝土使用壽命的標(biāo)準(zhǔn)，因此防止和減緩混凝土中鋼筋腐蝕成為提高混凝土結(jié)構(gòu)使用壽命的主要途徑。我國(guó)存在廣泛的氯鹽環(huán)境，因此必須對(duì)氯鹽環(huán)境下混凝土耐久性問(wèn)題給予足夠的重視。氯離子在鋼筋—混凝土界面的積累是導(dǎo)致鋼筋銹蝕的主要原因之一。在鋼筋銹蝕過(guò)程中氯離子僅起到催化作用，并不改變銹蝕產(chǎn)物的組成，氯離子在混凝土中含量也不會(huì)因腐蝕反應(yīng)而減少，若不采取處理措施，腐蝕過(guò)程將會(huì)不斷進(jìn)行下去，將對(duì)結(jié)構(gòu)的耐久性產(chǎn)生很大的影響。而氯鹽環(huán)境下的混凝土抗侵入性一般用氯離子擴(kuò)散系數(shù)表示，其值越大表示氯離子侵入混凝土越容易?，F(xiàn)有的確定氯離子擴(kuò)散系數(shù)的方法主要有三種:即自然擴(kuò)散法，加速擴(kuò)散法[1，2]，經(jīng)驗(yàn)公式法。第一種方法的優(yōu)點(diǎn)是較為接近實(shí)際情況，但是費(fèi)時(shí)費(fèi)力;第二種方法的優(yōu)點(diǎn)是較為迅速，但計(jì)算過(guò)程復(fù)雜，并且需要專門的電化學(xué)知識(shí)，另外還少不了進(jìn)行同樣繁瑣的化學(xué)分析;第三種方法優(yōu)點(diǎn)是人們根據(jù)工程調(diào)查和長(zhǎng)期暴露試驗(yàn)，擬合出一些經(jīng)驗(yàn)公式來(lái)估算對(duì)同條件的工程來(lái)說(shuō)簡(jiǎn)單實(shí)用，但由于混凝土耐久性與施工質(zhì)量、材料的選擇以及環(huán)境作用密切相關(guān)，而上述因素很難定量描述，且不同工程差別較大，因此上述經(jīng)驗(yàn)值可靠度不高。

基于上述傳統(tǒng)方法存在的問(wèn)題，已有學(xué)者提出了BP神經(jīng)網(wǎng)絡(luò)的氯離子擴(kuò)散系數(shù)預(yù)測(cè)模型[4]，但因?yàn)?BP網(wǎng)絡(luò)存在收斂速度慢和局部極小等缺點(diǎn)，本文嘗試采用在性能上優(yōu)于BP網(wǎng)絡(luò)的RBF神經(jīng)網(wǎng)絡(luò)建立氯離子擴(kuò)散系數(shù)預(yù)測(cè)模型，為氯離子擴(kuò)散系數(shù)的預(yù)測(cè)找到一種更有效的方法。

1 RBF神經(jīng)網(wǎng)絡(luò)模型

研究與實(shí)踐證明:混凝土氯離子擴(kuò)散系數(shù)與很多因素有關(guān)，主要包括混凝土的水膠比、水泥用量、混凝土強(qiáng)度、用水量、摻合物摻量、混凝土表面的氯離子濃度、時(shí)間、環(huán)境溫度及濕度等因素。

在文獻(xiàn)[5]中作者提出兩種輸入指標(biāo)體系:一種是直接以影響輸出的原材料用量作為網(wǎng)絡(luò)輸入向量。另外一種是以無(wú)量綱的各種原材料之間的比率作為輸入向量。在考慮輸入指標(biāo)體系時(shí)，作者認(rèn)為不僅需要考慮各組分的絕對(duì)數(shù)量，同時(shí)也應(yīng)采取它們之間相對(duì)量的大小作為輸入，而且在考慮輸入指標(biāo)時(shí)應(yīng)考慮各個(gè)輸入指標(biāo)間的獨(dú)立性，不應(yīng)存在數(shù)據(jù)的捆綁現(xiàn)象，這樣才能充分體現(xiàn)輸入指標(biāo)(影響因素)對(duì)氯離子擴(kuò)散系數(shù)的影響。針對(duì)搜集得到的數(shù)據(jù)，本文中考慮到水膠比，水泥用量，摻合物用量(本文為粉煤灰)與水泥用量的比值及用水量 4個(gè)影響因素，其中 4個(gè)因素只有 3個(gè)獨(dú)立。因此本文提出以水膠比，水泥用量，摻合物用量與水泥用量的比值 3個(gè)影響因素作為輸入，輸出只有 1個(gè)，即氯離子擴(kuò)散系數(shù)，建立RBF神經(jīng)網(wǎng)絡(luò)模型，采用如圖1所示的RBF網(wǎng)絡(luò)模型。本模型隱層的基函為高斯函數(shù)。

利用收集到的 35組[3，4]數(shù)據(jù)，30組作為訓(xùn)練樣本，另外 5組數(shù)據(jù)為測(cè)試樣本。分別對(duì)本文提出的輸入指標(biāo)體系的RBF網(wǎng)絡(luò)模型，文獻(xiàn)[5]中提出的兩種輸入指標(biāo)體系的RBF模型(RBF1模型——水泥用量，摻合物用量，水泥用量三者作為輸入;RBF2模型——水膠比，摻合物用量與水泥用量的比值作為輸入)及以水膠比，水泥用量，摻合物用量與水泥用量的比值及用水量作為輸入的RBF3模型(影響因素重復(fù)考慮)用Matlab7.0進(jìn)行了編程。另外，針對(duì)所提出的輸入體系作者又對(duì)BP網(wǎng)絡(luò)模型進(jìn)行了編程。

2 模型預(yù)測(cè)值與實(shí)驗(yàn)結(jié)果對(duì)比分析

2.1 預(yù)測(cè)結(jié)果

在網(wǎng)絡(luò)模型建好后，對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理，以輸入樣本矩陣p為例。

其中，α取值在0～1之間，一般取α=0.9;β一般取0.1;max(p (i，∶))為輸入樣本矩陣的第i行所有列的最大值;min(p(i，∶))為輸入樣本矩陣的第i行所有列的最小值，p(i，∶)為第i行所有列的元素。

模型訓(xùn)練完成后，本文提出的模型及對(duì)比模型的預(yù)測(cè)結(jié)果及誤差如表 1，表 2所示。

2.2 結(jié)果分析

從表1的數(shù)據(jù)可以看出，本文提出的輸入指標(biāo)的RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果的最大相對(duì)誤差(3.33%)比RBF1模型的最大絕對(duì)誤差(-7.38%)、RBF2模型的最大絕對(duì)誤差(6.27%)及RBF3模型最大絕對(duì)誤差(絕對(duì)值8.45%)都要小。與RBF1模型、RBF2模型結(jié)果的對(duì)比看出:輸入指標(biāo)體系采用相對(duì)與絕對(duì)的組合要比單純的采用絕對(duì)量，相對(duì)量所建的模型的預(yù)測(cè)結(jié)果精確;與RBF3結(jié)果的對(duì)比可以看出:一種因素的重復(fù)考慮會(huì)造成預(yù)測(cè)模型結(jié)果的精確性低，也反映了數(shù)據(jù)的捆綁使得模型的泛化能力稍差(絕對(duì)值最大為8.45%，最小為0.82%)。

表1 RBF網(wǎng)絡(luò)模型預(yù)測(cè)與實(shí)測(cè)結(jié)果

表2 本文RBF網(wǎng)絡(luò)與BP網(wǎng)絡(luò)結(jié)果誤差比較

從表2的數(shù)據(jù)可以看出，本文建立的RBF模型的預(yù)測(cè)結(jié)果的最大絕對(duì)誤差與最大相對(duì)誤差都小于 BP網(wǎng)絡(luò)模型。體現(xiàn)了本文所研究的問(wèn)題在合理選取輸入指標(biāo)的前提下，建立RBF網(wǎng)絡(luò)模型要優(yōu)于BP網(wǎng)絡(luò)模型。

總之，表1，表2數(shù)據(jù)表明:本文所建立的RBF模型合理(在確定輸入指標(biāo)時(shí)相對(duì)量與絕對(duì)量結(jié)合，充分考慮數(shù)據(jù)間的獨(dú)立性，避免由于數(shù)據(jù)本身的捆綁而造成的一種因素的重復(fù)考慮的重要性)，預(yù)測(cè)結(jié)果有一定的精度。

3 結(jié)語(yǔ)

在建立RBF神經(jīng)網(wǎng)絡(luò)模型考慮輸入指標(biāo)時(shí)，應(yīng)把相對(duì)量與絕對(duì)量都考慮進(jìn)來(lái)且要充分考慮各個(gè)指標(biāo)間的獨(dú)立性，避免出現(xiàn)數(shù)據(jù)的捆綁現(xiàn)象，相對(duì)其他輸入指標(biāo)體系模型，本文模型的預(yù)測(cè)精度有所提高，且能滿足工程的需要。

由于訓(xùn)練樣本有限，且未能考慮所有影響因素，因此此模型存在一定的局限性;但從建模到預(yù)測(cè)結(jié)果的全過(guò)程看出，本文建立的RBF氯離子擴(kuò)散系數(shù)模型比傳統(tǒng)方法簡(jiǎn)單，模型拓展性較好，可以用作混凝土氯離子擴(kuò)散系數(shù)的預(yù)測(cè)方法。

[1] Dhir RK，JonesM R，Ahmed H EH.Mag..Con-cr.Res，1991，43(37):21-22.

[2] Tang Luping and Lars-Olof Nilsson.ACIMater.Jour，1992，89 (49):10-11.

[3] 萬(wàn)小梅，田 礫，趙鐵軍.混凝土結(jié)構(gòu)耐久性設(shè)計(jì)規(guī)程中抗氯離子滲透性檢測(cè)方法的試驗(yàn)研究[J].混凝土，2007(2): 5-7.

[4] 管長(zhǎng)生，王雨齊.基于BP神經(jīng)網(wǎng)絡(luò)的氯離子擴(kuò)散系數(shù)預(yù)測(cè)模型[J].國(guó)外建材，2006(4):37-38.

[5] Dias W P S，Pooliyadda S P.Neura l Network for Predicting Properties of Concrete with Admixtures[J].Construction and Building Materials，2001(15):371.