田正宏,蘇偉豪,鄭 祥,焦新宸

(1.河海大學(xué)水利水電學(xué)院,江蘇 南京 210098; 2.中國(guó)水利水電第七工程局有限公司第一分局,四川 彭山 620860)

碾壓混凝土的施工質(zhì)量對(duì)大壩結(jié)構(gòu)安全至關(guān)重要。碾壓施工時(shí),每層壓實(shí)密度是質(zhì)量控制的核心指標(biāo)[1]。因此,實(shí)時(shí)準(zhǔn)確檢測(cè)與評(píng)價(jià)倉(cāng)面碾壓壓實(shí)密度是控制壓實(shí)質(zhì)量以及檢測(cè)現(xiàn)場(chǎng)工藝是否合格的必要環(huán)節(jié)。目前,施工現(xiàn)場(chǎng)采用核子密度儀隨機(jī)取點(diǎn)檢測(cè)碾壓層壓實(shí)度[2]。這種方法效率較低,且單點(diǎn)人工測(cè)值結(jié)果表征性存在一定偏差,影響碾壓層壓實(shí)質(zhì)量評(píng)價(jià)的客觀性與準(zhǔn)確性。此外,現(xiàn)有一些數(shù)字化碾壓效果在線饋控方法基于先期試驗(yàn)倉(cāng)的碾壓遍數(shù)、設(shè)備參數(shù)、碾壓速度、激振力等工藝參數(shù)構(gòu)建實(shí)時(shí)評(píng)價(jià)模型[3-5]，但現(xiàn)場(chǎng)獲取的相關(guān)工藝參數(shù)可靠性仍存在明顯不足,如碾壓設(shè)備的激振力[6]或加速度由于設(shè)備差異等復(fù)雜干擾而難以有效去噪,因而這類參數(shù)評(píng)價(jià)模型依舊不能很好地反映實(shí)時(shí)碾壓密實(shí)性真實(shí)效果。鑒于此,本文基于可準(zhǔn)確獲取的倉(cāng)面隨機(jī)測(cè)點(diǎn)范圍內(nèi)碾前拌合料含濕率、碾壓后表面應(yīng)力波波速及相應(yīng)碾壓混凝土材料級(jí)配特征參數(shù)等,采用基于改進(jìn)遺傳算法的GA-BP神經(jīng)網(wǎng)絡(luò)(genetic algorithm-backpapagation artificial neutral network)構(gòu)建壓實(shí)度預(yù)測(cè)模型,實(shí)時(shí)預(yù)測(cè)倉(cāng)面各檢測(cè)點(diǎn)處的碾壓混凝土壓實(shí)度指標(biāo)。

1 實(shí)時(shí)碾壓壓實(shí)度預(yù)測(cè)參數(shù)選擇與獲取

1.1 實(shí)時(shí)碾壓壓實(shí)度預(yù)測(cè)參數(shù)選擇

為實(shí)現(xiàn)現(xiàn)場(chǎng)碾壓施工質(zhì)量的快速預(yù)測(cè),選擇合適可靠的實(shí)時(shí)檢測(cè)模型參數(shù)至關(guān)重要。大量室內(nèi)和現(xiàn)場(chǎng)試驗(yàn)及已有文獻(xiàn)成果表明[7],影響碾壓混凝土壓實(shí)質(zhì)量的主要因素為料性參數(shù)、碾壓機(jī)械參數(shù)、溫度、天氣等。但是,在實(shí)際工程應(yīng)用中,現(xiàn)場(chǎng)碾壓機(jī)械參數(shù)、溫度、天氣等干擾因素復(fù)雜多變[8],實(shí)時(shí)采集數(shù)據(jù)的準(zhǔn)確性難以控制和有效處理。因此,通過(guò)檢測(cè)碾壓后混凝土表面應(yīng)力波以直接反映其內(nèi)部結(jié)構(gòu)特征,間接反映出了碾壓機(jī)械參數(shù)、溫度、天氣等外部因素對(duì)碾壓壓實(shí)度的綜合影響。另外,同一密實(shí)條件下碾壓混凝土表面應(yīng)力波波速穩(wěn)定且波動(dòng)范圍小,而不同密實(shí)條件下表面應(yīng)力波波速變化明顯。相同碾壓工況條件下,含濕率、級(jí)配和膠砂比作為料性參數(shù)表征碾壓混凝土的可碾性,直接影響其壓實(shí)度。因此,本文基于碾壓工藝前后的料性特征的可靠獲取性及處理方便的優(yōu)點(diǎn),選擇含濕率、波速、級(jí)配因子和膠砂比4個(gè)影響因素,構(gòu)建GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,結(jié)合進(jìn)一步的現(xiàn)場(chǎng)實(shí)時(shí)信息化施工[9]饋控系統(tǒng),實(shí)現(xiàn)碾壓混凝土壓實(shí)質(zhì)量實(shí)時(shí)、全倉(cāng)面、精準(zhǔn)化評(píng)價(jià);對(duì)于現(xiàn)場(chǎng)欠碾壓區(qū)域,通過(guò)增加碾壓遍數(shù)等工藝調(diào)整,實(shí)現(xiàn)碾壓質(zhì)量的精細(xì)化控制。

1.1.1拌合料含濕率

新拌的超干硬性混凝土在振動(dòng)碾壓作用下,如果拌合料含濕率偏低,自由漿體不能充分填充拌合料孔隙,碾壓層難以壓實(shí)泛漿;反之,如果含濕率偏高,振動(dòng)液化產(chǎn)生多余自由水,碾壓能量部分消耗于超靜孔隙水壓力[10],內(nèi)部顆粒受到的有效應(yīng)力減少,也無(wú)法達(dá)到最佳壓實(shí)度,因此存在一個(gè)合理含濕率以保證最佳壓實(shí)度效果。鑒于此,將拌合料含濕率作為預(yù)測(cè)壓實(shí)度指標(biāo)的關(guān)鍵因素之一。

現(xiàn)有施工規(guī)范通常采用VC值法(維勃稠度法)表示拌合料的可碾性。但是現(xiàn)場(chǎng)施工過(guò)程,由于采用VC值法工作量大、時(shí)間長(zhǎng)、步驟多以及人為因素影響較大等原因,事實(shí)上無(wú)法做到快速準(zhǔn)確和連續(xù)多測(cè)點(diǎn)檢測(cè)。已有試驗(yàn)研究表明,碾壓混凝土的VC值與含濕率之間存在較密切線性相關(guān)性[11]。因此,采用拌合料含濕率替代VC值表征拌合料可碾性是可行的方法。

1.1.2碾壓熱層應(yīng)力波波速

在半無(wú)限不均勻彈性介質(zhì)中,橫波與反射的縱波在自由表面處相互疊加和干涉,從而產(chǎn)生表面應(yīng)力波。表面應(yīng)力波在沿介質(zhì)表面?zhèn)鞑r(shí),其能量主要集中在距表面大約一個(gè)波長(zhǎng)的深度范圍內(nèi)。因此當(dāng)碾壓混凝土的密實(shí)度發(fā)生變化時(shí),表面應(yīng)力波在其內(nèi)部的傳播波速會(huì)隨之發(fā)生變化;相同密實(shí)條件下碾壓熱層應(yīng)力波波速穩(wěn)定且波動(dòng)范圍小,即表面應(yīng)力波對(duì)碾壓施工層混凝土壓實(shí)質(zhì)量敏感性良好。鑒于此,本文將現(xiàn)場(chǎng)測(cè)試某一碾壓工藝完成后的熱層表面應(yīng)力波波速作為另一個(gè)重要參數(shù)評(píng)價(jià)該層壓實(shí)狀態(tài)是較直接有效的方法。

1.1.3拌合料級(jí)配及膠砂比

碾壓混凝土自身料性對(duì)壓實(shí)狀態(tài)有重要的影響,其中最主要的因素是粗骨料級(jí)配與膠砂比。碾壓混凝土拌合料在振動(dòng)液化后,骨料顆粒在重力和振動(dòng)應(yīng)力波的作用下向下運(yùn)動(dòng)、排列構(gòu)成一個(gè)穩(wěn)定骨架,粗骨料的級(jí)配狀況和緊密程度將直接決定該骨架的空隙率和可碾性。這里定義級(jí)配因子λ衡量粗骨料級(jí)配情況:

(1)

式中:rs為骨料粒徑為5～20 mm的質(zhì)量分?jǐn)?shù);rm為骨料粒徑在20～40 mm的質(zhì)量分?jǐn)?shù);rl為骨料粒徑在40～80 mm的質(zhì)量分?jǐn)?shù);rz為骨料粒徑在80～150 mm的質(zhì)量分?jǐn)?shù)。通過(guò)二、三級(jí)配以及全級(jí)配料不同配比的緊密密度試驗(yàn),發(fā)現(xiàn)骨料級(jí)配因子與骨料緊密密度具有較強(qiáng)的非線性相關(guān)性(圖1)。

圖1 骨料級(jí)配因子與骨料緊密度的關(guān)系

從圖1中可以看出,相同的振動(dòng)能量輸入時(shí),骨料級(jí)配因子越大,振實(shí)空隙率隨之增大,也即該級(jí)配的碾壓混凝土越不容易壓實(shí);級(jí)配因子越小,振實(shí)空隙率越小,則該級(jí)配的碾壓混凝土越容易壓實(shí)。所以合理的級(jí)配有利于提高碾壓壓實(shí)度。

碾壓混凝土的膠砂比代表配合比中膠凝材料含量。當(dāng)膠砂比偏低時(shí),振動(dòng)液化產(chǎn)生的漿體變少,混凝土內(nèi)部的空隙不能被漿液填充,導(dǎo)致無(wú)法振動(dòng)壓實(shí),且碾壓層表面無(wú)液化泛漿現(xiàn)象。當(dāng)膠砂比偏大時(shí),拌合物骨料顆粒周?chē)臐{體層增厚,游離漿體增多,現(xiàn)場(chǎng)施工可碾性降低。因此將膠砂比作為表征碾壓混凝土材料特性的定性指標(biāo),能夠準(zhǔn)確控制碾壓混凝土的壓實(shí)狀態(tài)。

1.2 實(shí)時(shí)碾壓壓實(shí)度預(yù)測(cè)參數(shù)獲取

1.2.1拌合料含濕率測(cè)定

現(xiàn)場(chǎng)碾壓混凝土拌合料在運(yùn)輸、卸料、堆放和攤鋪過(guò)程中,拌合物水分持續(xù)蒸發(fā)損失,進(jìn)而導(dǎo)致拌合料含濕率降低。為此,要在倉(cāng)面鋪料后碾壓前的短時(shí)間內(nèi)檢測(cè)現(xiàn)場(chǎng)碾壓混凝土的含濕率。這段時(shí)間處于倉(cāng)面噴濕小氣候狀態(tài)下,為提高測(cè)量效率和測(cè)量精度,拌合料的含濕率采用自主研發(fā)的含濕率測(cè)試儀直接測(cè)出。該測(cè)試儀根據(jù)電磁波在碾壓混凝土中傳播的頻率來(lái)測(cè)試探針之間碾壓混凝土相對(duì)介電常數(shù)[12],其計(jì)算公式為

(2)

式中:ε為碾壓混凝土介電常數(shù);ε1、x1分別為空氣的介電常數(shù)和體積分?jǐn)?shù);ε2、x2分別為砂、石、水泥、摻合料的介電常數(shù)和體積分?jǐn)?shù);ε3、x3分別為水的介電常數(shù)和體積分?jǐn)?shù)。

含濕率測(cè)試儀根據(jù)相對(duì)介電常數(shù)與水的體積分?jǐn)?shù)的關(guān)系,通過(guò)智能計(jì)算模塊獲取相應(yīng)的電壓值,計(jì)算出碾壓混凝土的含濕率并輸出。已有試驗(yàn)研究[11]表明,在VC值介于0～10 s時(shí),粒徑大于10 mm大骨料的表面含濕率變化對(duì)剩余拌合料影響很小,因此在現(xiàn)場(chǎng)試樣測(cè)試前篩除粒徑大于10 mm人工大骨料,以免大骨料的存在降低測(cè)試結(jié)果的精準(zhǔn)度。將篩網(wǎng)篩過(guò)的細(xì)石混凝土分3次加入內(nèi)徑為11.0 cm、高為10.5 cm的筒狀容器并搗實(shí)至表面泛漿;再將探針直接插入搗實(shí)的拌合料中進(jìn)行測(cè)試(圖2)。此外,在倉(cāng)面施工碾壓前實(shí)時(shí)測(cè)試時(shí),每次累計(jì)篩料量應(yīng)相差不多,且累計(jì)篩除時(shí)間大體相等;使用篩網(wǎng)取待測(cè)混凝土試篩,從而較準(zhǔn)確地反映出碾壓前鋪攤料短時(shí)間內(nèi)的料濕性狀態(tài)。

圖2 含濕率測(cè)試現(xiàn)場(chǎng)

1.2.2碾壓層表面應(yīng)力波波速獲取

在半無(wú)限非均勻彈性介質(zhì)中,表面應(yīng)力波具有高度頻散性,特別是距自由表面半波長(zhǎng)的范圍內(nèi)?；谒矐B(tài)瑞雷波法[13]原理,采用專門(mén)研制的波速儀測(cè)出不同碾壓密實(shí)狀態(tài)下碾壓層表面應(yīng)力波波速(圖3)。為防止因碾壓層完工后間隙水化過(guò)程導(dǎo)致檢測(cè)層強(qiáng)度、彈性模量等力學(xué)性能參數(shù)發(fā)生較明顯改變,使檢測(cè)波速發(fā)生較大的變化,進(jìn)而影響壓實(shí)度預(yù)測(cè)準(zhǔn)確性,規(guī)定在每個(gè)碾壓條帶振動(dòng)碾壓結(jié)束后盡快完成波速測(cè)試。測(cè)試時(shí),首先通過(guò)固定高度的小球自由下落沖擊地面,在落地點(diǎn)激發(fā)具有一定頻率帶寬的混合頻率表面波,波速儀2定點(diǎn)加速度傳感器采集沖擊后的瞬態(tài)表面應(yīng)力波信號(hào),通過(guò)傅里葉變化由時(shí)域轉(zhuǎn)化為頻域,經(jīng)去噪過(guò)濾后,對(duì)頻率為f的表面應(yīng)力波分量通過(guò)互譜分析法,計(jì)算兩個(gè)采集觸點(diǎn)首波的相位差Δφ,由此得到碾壓層表面應(yīng)力波在該壓實(shí)狀態(tài)的平均傳播速度:

(3)

式中:Δx為兩個(gè)鋼制觸點(diǎn)的距離。為了保證應(yīng)力波計(jì)算精度,Δx應(yīng)滿足:

(4)

圖3 波速測(cè)試現(xiàn)場(chǎng)

2 GA-BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

遺傳算法是一種具有全局搜索能力的概率性的自適應(yīng)迭代算法,不受空間信息的限制。BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值與閾值隨機(jī)產(chǎn)生,極易陷入局部極值。因此采用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進(jìn)行優(yōu)化,在全局解空間多個(gè)區(qū)域內(nèi),尋找最優(yōu)解或近似最優(yōu)解。

2.1 BP神經(jīng)網(wǎng)絡(luò)模型

首先建立共M層、第m層神經(jīng)元數(shù)為Sm的BP神經(jīng)網(wǎng)絡(luò),隨機(jī)產(chǎn)生一組權(quán)值wm,i,j與閾值bm，i,其中wm,i,j為第m層前一層的第j個(gè)神經(jīng)元對(duì)當(dāng)前層的第i個(gè)神經(jīng)元的權(quán)值;bm，i為第m層的第i個(gè)神經(jīng)元的閾值;m=1,2,…,M;i=1,2,…,Sm;j=1,2,…,Sm-1。

2.1.1信息的正向傳遞

對(duì)網(wǎng)絡(luò)訓(xùn)練時(shí),將輸出值與目標(biāo)值比較,然后調(diào)整相應(yīng)的權(quán)值與閾值,以使均方差最小。根據(jù)LMS算法,輸出層誤差可以近似表示為:

(5)

式中:t(k)為第k次迭代時(shí)的目標(biāo)變量矩陣;a(k)為第k次迭代時(shí)輸出變量矩陣。

表1 大壩碾壓混凝土配合比

2.1.2誤差的反向傳播

wm，i,j(k+1)=wm，i,j(k)+γ[wm，i,j(k)-

wm，i,j(k-1)]-α(1-γ)sm，iam-1，j

(6)

各閾值的修正為

bm，i(k+1)=bm，i(k)+γ[bm，i(k)-

bm，i(k-1)]-α(1-γ)sm，i

(7)

式中:sm，i為第m層的第i個(gè)神經(jīng)元的敏感度;γ為勢(shì)態(tài)因子,且0≤γ<1;α為學(xué)習(xí)速率。

2.2 GA-BP神經(jīng)網(wǎng)絡(luò)模型

2.2.1初始化種群

將網(wǎng)絡(luò)中所有的權(quán)值和閾值直接采用實(shí)數(shù)編碼的方式形成一組有序的基因串(二維矩陣)X=(wm，i,j,bm，i),基因串編碼長(zhǎng)度為

(8)

2.2.2適應(yīng)度函數(shù)

鑒于遺傳算法的搜索目標(biāo)是尋找誤差平方和最小的權(quán)值與閾值,因此第i個(gè)神經(jīng)元基因串Xi的適應(yīng)度函數(shù)采用誤差平方和的倒數(shù):

(9)

式中:aM，i，j為第i個(gè)基因串在輸出層的第j個(gè)輸出節(jié)點(diǎn)的輸出值;ti，j為對(duì)應(yīng)的目標(biāo)值。

2.2.3種群進(jìn)化

根據(jù)適應(yīng)度函數(shù)將每個(gè)個(gè)體適應(yīng)值由大到小進(jìn)行排序,采用幾何規(guī)劃排序選擇運(yùn)算,得到上一代個(gè)體直接進(jìn)入下一代的概率。然后從第l代種群中隨機(jī)選擇兩個(gè)親本Xl，i和Xl，j,采用算術(shù)交叉方式進(jìn)行基因交叉,產(chǎn)生新個(gè)體由下式確定:

(10)

式中:Xl+1，i和Xl+1，j為交叉后的個(gè)體;r為[0,1]之間的隨機(jī)數(shù)。

然后,采用實(shí)數(shù)編碼下的非均勻變異算法,在子代中隨機(jī)選擇變異點(diǎn)k,若變異xk處的基因范圍為[Lk，min,Lk，max] 則變異產(chǎn)生的新基因?yàn)?/p>

(11)

式中:r′為取值為0或1的隨機(jī)數(shù)。

最后,應(yīng)用BP算法對(duì)遺傳算法優(yōu)化權(quán)值W與閾值b進(jìn)行精調(diào),從而搜索出最優(yōu)解或近似最優(yōu)解。

3 實(shí)例驗(yàn)證

3.1 工程概況

烏弄龍水電站是瀾滄江上游河段梯級(jí)開(kāi)發(fā)的第二級(jí)水電站,為二等大(2)型水利工程,攔河大壩為碾壓混凝土重力壩。以第1、2、3、4、5號(hào)壩段、第10倉(cāng)為例進(jìn)行測(cè)試。該倉(cāng)面碾壓混凝土拌合料使用P·MH42.5水泥和Ⅱ級(jí)粉煤灰;骨料采用砂石加工系統(tǒng)生產(chǎn)的人工骨料,母巖為灰?guī)r,細(xì)骨料為灰?guī)r人工砂,碾壓砂細(xì)度模數(shù)為3.08,石粉含量(質(zhì)量分?jǐn)?shù))為20.9%,其中小于0.08 mm微粒含量為6.8%,粗骨料經(jīng)過(guò)砂石篩分系統(tǒng)二次篩分;外加劑采用ZB-1Rcc15、ZB-1A緩凝型高效減水劑和GK-9A引氣劑;拌合水采用營(yíng)地用水。碾壓混凝土的配合比如表1所示。

3.2 壓實(shí)度預(yù)測(cè)模型參數(shù)獲取

現(xiàn)場(chǎng)采用含濕率測(cè)試儀直接測(cè)出倉(cāng)面鋪料后、碾壓前拌合料含濕率;在振動(dòng)碾碾壓規(guī)定的遍數(shù)后,立即使用波速儀測(cè)定該位置表面應(yīng)力波波速,同步采用核子密度計(jì)檢測(cè)相應(yīng)位置處的單點(diǎn)壓實(shí)度。通過(guò)測(cè)定不同碾壓層不同位置的含濕率、波速及壓實(shí)度,結(jié)合已知的對(duì)應(yīng)級(jí)配和材料膠砂比,建立1個(gè)500組樣本的數(shù)據(jù)訓(xùn)練集。部分試驗(yàn)數(shù)據(jù)如表2所示。

表2 部分試驗(yàn)數(shù)據(jù)

以500組樣本點(diǎn)數(shù)據(jù)作為訓(xùn)練樣本,采用GA-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。根據(jù)訓(xùn)練后的網(wǎng)絡(luò),預(yù)測(cè)隨機(jī)選取的50個(gè)現(xiàn)場(chǎng)測(cè)試點(diǎn)壓實(shí)度值,比較BP神經(jīng)網(wǎng)絡(luò)模型與GA-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)壓實(shí)度的準(zhǔn)確性與穩(wěn)定性。

鑒于碾壓混凝土的壓實(shí)度與現(xiàn)場(chǎng)實(shí)際碾壓料的含濕率、碾壓層表面應(yīng)力波速值、級(jí)配和膠砂比呈現(xiàn)復(fù)雜的非線性關(guān)系,尤其碾壓層壓實(shí)度還受碾壓機(jī)械、溫度、天氣等外部因素影響,因而簡(jiǎn)單網(wǎng)絡(luò)結(jié)構(gòu)不易準(zhǔn)確預(yù)測(cè)壓實(shí)度,且穩(wěn)定性較差。但網(wǎng)絡(luò)結(jié)構(gòu)過(guò)于復(fù)雜則將增加訓(xùn)練時(shí)間且易出現(xiàn)過(guò)擬合現(xiàn)象。因此采用1層輸入層、2層隱含層、1層輸出層,即1-2-1網(wǎng)絡(luò)結(jié)構(gòu)(圖4)。2層隱含層神經(jīng)元數(shù)分別為9和 4,其對(duì)應(yīng)的傳遞函數(shù)分別為logsig和purelin,網(wǎng)絡(luò)的學(xué)習(xí)速率為0.01。

圖4 GA-BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3.3 模型預(yù)測(cè)結(jié)果及應(yīng)用分析

GA-BP 神經(jīng)網(wǎng)絡(luò)計(jì)算過(guò)程分為2個(gè)步驟。

第1步,采用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進(jìn)行優(yōu)化,設(shè)置種群數(shù)目為50,種群進(jìn)化次數(shù)為100。在進(jìn)化過(guò)程中,誤差平方和與個(gè)體適應(yīng)度隨遺傳代數(shù)的變化情況如圖5、圖6所示。經(jīng)過(guò)約40代搜索后,誤差平方和達(dá)到最小且趨于平穩(wěn)。實(shí)際的適應(yīng)度值在約60代進(jìn)化后達(dá)到最大且趨于平穩(wěn)。

圖5 誤差平方和進(jìn)化曲線

圖6 適應(yīng)度進(jìn)化曲線

第2步,采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)權(quán)值和閾值精細(xì)調(diào)節(jié)。在BP神經(jīng)網(wǎng)絡(luò)算法中,誤差平方和在迭代600次左右時(shí)趨于穩(wěn)定,迭代1 471次時(shí)停止。最后,分別采用GA-BP神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)對(duì)碾壓混凝土壓實(shí)度進(jìn)行預(yù)測(cè),結(jié)果如圖7所示。

圖7 基于BP與GA-BP神經(jīng)網(wǎng)絡(luò)的壓實(shí)度預(yù)測(cè)

在50個(gè)預(yù)測(cè)點(diǎn)中,GA-BP神經(jīng)網(wǎng)絡(luò)模型的壓實(shí)度預(yù)測(cè)值誤差小于0.3%、0.6%和1%的樣本比例分別為68%、83%及100%,BP神經(jīng)網(wǎng)絡(luò)模型的相應(yīng)比例分別為32%、58%及82%;GA-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值均方誤差為0.137,最大誤差為0.98%,BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值均方誤差為0.499,最大誤差為1.67%。GA-BP神經(jīng)網(wǎng)絡(luò)模型不僅預(yù)測(cè)精度更高,且偏差波動(dòng)范圍更小,能更準(zhǔn)確有效地預(yù)測(cè)現(xiàn)場(chǎng)碾壓層混凝土壓實(shí)性。

GA-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)碾壓混凝土壓實(shí)度下限值更敏感:壓實(shí)度處于93%～96%的樣本點(diǎn),GA-BP模型預(yù)測(cè)值的平均誤差為0.08%,最大誤差為0.17%,誤差很小;而壓實(shí)度大于96%時(shí),GA-BP模型給出的預(yù)測(cè)值平均誤差在0.3%左右,最大誤差分布約0.9%,且誤差分布較為恒定。究其原因,預(yù)測(cè)誤差與GA-BP網(wǎng)絡(luò)模型結(jié)構(gòu)有關(guān):壓實(shí)度低于96%的碾壓測(cè)點(diǎn),在高維空間數(shù)據(jù)離散性相對(duì)較小,由于模型算法具有較好的靈敏性和收斂一致性,因此擬合度高,預(yù)測(cè)精度高。這種特點(diǎn)對(duì)于現(xiàn)場(chǎng)施工中以某一合理壓實(shí)度(如96%)作為合格碾壓混凝土的最低評(píng)價(jià)指標(biāo),并以此判斷壓實(shí)效果的準(zhǔn)確性十分有利。GA-BP模型更能準(zhǔn)確判定不合格點(diǎn)數(shù),有助于掌握多因素復(fù)雜條件的壓實(shí)程度。

綜上,基于GA-BP神經(jīng)網(wǎng)絡(luò)的現(xiàn)場(chǎng)實(shí)時(shí)壓實(shí)度預(yù)測(cè)模型誤差小、性能穩(wěn)定,可用于碾壓混凝土熱層壓實(shí)質(zhì)量實(shí)時(shí)精準(zhǔn)控制,對(duì)施工具有指導(dǎo)作用和實(shí)際應(yīng)用價(jià)值。

4 結(jié) 論

a. 與BP神經(jīng)網(wǎng)絡(luò)模型比較,GA-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)誤差小于0.3%、0.6%和1%的樣本比例分別為68%、83%及100%,不僅預(yù)測(cè)精度更高,而且偏差波動(dòng)范圍更小,穩(wěn)定性好,能更準(zhǔn)確有效地預(yù)測(cè)現(xiàn)場(chǎng)碾壓層混凝土壓實(shí)性。

b. GA-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)碾壓混凝土壓實(shí)度下限值更敏感,壓實(shí)度處于93%～96%的樣本點(diǎn),模型預(yù)測(cè)值的平均誤差僅為0.08%,最大誤差僅為0.17%,預(yù)測(cè)精度很高。這種特點(diǎn)對(duì)于現(xiàn)場(chǎng)施工中以某一合理壓實(shí)度(如96%)作為合格碾壓混凝土的最低評(píng)價(jià)指標(biāo),并以此判斷壓實(shí)效果的準(zhǔn)確性十分有利。