周強(qiáng) 劉榮桂

(南通理工學(xué)院，江蘇 南通 226001)

碳化是指混凝土中的堿性物質(zhì)與空氣中CO2發(fā)生物理化學(xué)反應(yīng)生成CaCO3的過(guò)程，碳化作用會(huì)降低混凝土內(nèi)部堿性，破壞鋼筋表面的鈍化膜致使鋼筋銹蝕，進(jìn)而導(dǎo)致混凝土的劣化[1-2]。混凝土碳化規(guī)律和預(yù)測(cè)模型的研究對(duì)混凝土結(jié)構(gòu)耐久性評(píng)估以及壽命預(yù)測(cè)具有重大意義。

近年來(lái)，眾多學(xué)者建立了大量預(yù)測(cè)模型，研究影響混凝土碳化的因素、機(jī)理以及碳化深度與影響因素之間的關(guān)系[3]。同時(shí)，部分學(xué)者相繼提出一些預(yù)測(cè)碳化行為的數(shù)學(xué)模型[4-6]。其中BP與RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具有極強(qiáng)非線性映射能力，應(yīng)用較為廣泛[7]。模型雖考慮較多的影響因素，具有較廣的應(yīng)用范圍，但沒(méi)有反映材料因素諸如礦物摻合料種類(lèi)及摻量對(duì)混凝土碳化深度的影響規(guī)律，并且缺少基于材料因素如水灰比、高吸水性樹(shù)脂(Super Absorbent Polymer，簡(jiǎn)稱(chēng)SAP)摻量、納米二氧化硅(Nano-silica，簡(jiǎn)稱(chēng)NS)摻量的混凝土碳化深度多因素模型。

為此，本文依據(jù)混凝土加速碳化試驗(yàn)數(shù)據(jù)，重點(diǎn)探討混凝土材料因素如SAP摻量、NS摻量、水灰比及外部環(huán)境因素對(duì)混凝土碳化深度的影響規(guī)律，進(jìn)而建立了基于SAP摻量、NS摻量、水灰比、CO2濃度、溫度、相對(duì)濕度及混凝土抗壓強(qiáng)度等因素的混凝土碳化深度多元非線性模型，并利用BP與RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)混凝土碳化深度，為進(jìn)一步研究高性能混凝土結(jié)構(gòu)耐久性提供一定參考依據(jù)。

1 多元非線性模型分析

多元非線性模型是運(yùn)用數(shù)理統(tǒng)計(jì)的方法建立多個(gè)自變量與一個(gè)因變量的非線性函數(shù)。多元非線性模型建立的主要步驟包括[8]：1)確定預(yù)測(cè)的對(duì)象及目標(biāo)；2)根據(jù)預(yù)測(cè)目標(biāo)，選擇合適的回歸方法；3)依據(jù)試驗(yàn)數(shù)據(jù)，整理分析建立樣本集；4)確定模型參數(shù)，建立多元非線性模型；5)對(duì)模型進(jìn)行預(yù)測(cè)，且對(duì)結(jié)果進(jìn)行合理分析；6)根據(jù)分析結(jié)果對(duì)模型進(jìn)行修正完善。

本節(jié)研究中，通過(guò)單獨(dú)考慮每個(gè)自變量與因變量之間的函數(shù)關(guān)系，得到各自具體的數(shù)學(xué)模型，再將各模型逐一疊加，由此建立預(yù)測(cè)NS改性SAP內(nèi)養(yǎng)護(hù)混凝土碳化深度的多元非線性模型。

國(guó)內(nèi)外學(xué)者圍繞混凝土碳化展開(kāi)大量的研究，在眾多研究理論中，學(xué)者們一致認(rèn)為碳化深度與碳化時(shí)間的平方根成正比，如式(1)。

(1)

式中：X—混凝土碳化深度，mm；

K—碳化速率系數(shù)；

t—碳化時(shí)間，a。

影響混凝土碳化的因素較多，且具有很大的隨機(jī)性和不確定性，在眾多影響因素中，以水灰比、CO2濃度、混凝土的抗壓強(qiáng)度、溫度及相對(duì)濕度等因素對(duì)碳化深度的影響最為顯著。隨著納米技術(shù)的持續(xù)發(fā)展，先進(jìn)的納米材料對(duì)混凝土進(jìn)行納米改性賦予混凝土新的生命，以及混凝土內(nèi)養(yǎng)護(hù)技術(shù)的不斷推廣，SAP作為優(yōu)良的內(nèi)養(yǎng)護(hù)劑改善混凝土性能也得到廣泛研究。因此，本節(jié)研究水灰比、混凝土的抗壓強(qiáng)度、SAP摻量、NS摻量、CO2濃度、相對(duì)濕度、溫度與混凝土碳化深度之間的多元非線性關(guān)系。

1.1 混凝土碳化外部影響分析

1)CO2濃度對(duì)碳化深度的影響，影響混凝土碳化速度的主要環(huán)境因素是空氣中CO2濃度。CO2濃度越高，混凝土結(jié)構(gòu)內(nèi)外CO2的濃度梯度越大，導(dǎo)致CO2更易于侵入混凝土內(nèi)部孔隙，增加碳化速度，加速碳化試驗(yàn)就是基于此機(jī)理。根據(jù)阿列克謝耶夫模型、張譽(yù)模型及劉亞芹模型等，假定碳化深度與CO2濃度的冪次方成正比例關(guān)系。

2)相對(duì)濕度對(duì)碳化深度的影響，環(huán)境相對(duì)濕度對(duì)混凝土碳化速率有重要的影響?；炷两Y(jié)構(gòu)發(fā)生碳化反應(yīng)的條件是H2O和CO2結(jié)合形成碳酸，周?chē)橘|(zhì)的相對(duì)濕度直接影響混凝土孔隙水飽和度和碳化擴(kuò)散系數(shù)。相對(duì)濕度較低時(shí)，混凝土內(nèi)部干燥且含水率低，雖然CO2擴(kuò)散速度較快，但碳化反應(yīng)所需的水分不足，導(dǎo)致混凝土的碳化反應(yīng)變慢。反之，當(dāng)相對(duì)濕度越大時(shí)，混凝土中的孔隙水飽和度就越高，碳化反應(yīng)生成的水分不易釋放，阻礙了CO2在混凝土中的擴(kuò)散，使碳化反應(yīng)速度變慢。

李果[9]通過(guò)研究發(fā)現(xiàn)，碳化速度與相對(duì)濕度大體上呈拋物線關(guān)系，當(dāng)相對(duì)濕度在40%～70%時(shí)，混凝土的碳化速度較快。當(dāng)相對(duì)濕度低于40%，混凝土內(nèi)部較為干燥，碳化反應(yīng)很難發(fā)生；由于混凝土結(jié)構(gòu)的滲透性能較低，在相對(duì)濕度超過(guò)70%的潮濕環(huán)境中，構(gòu)件同樣難以發(fā)生碳化反應(yīng)。日本學(xué)者[10]對(duì)處于大氣環(huán)境中不同濕度下的混凝土結(jié)構(gòu)進(jìn)行測(cè)試，認(rèn)為混凝土處于相對(duì)濕度在50%～60%時(shí)的碳化速度最快。我國(guó)規(guī)范[11]規(guī)定混凝土進(jìn)行快速碳化試驗(yàn)的環(huán)境相對(duì)濕度為70%。通過(guò)大量研究發(fā)現(xiàn)，潮濕環(huán)境下的混凝土碳化速度大于干燥環(huán)境下的混凝土，然而處于干濕循環(huán)狀態(tài)下的混凝土碳化速度最快。蔣清野[12]在統(tǒng)計(jì)不同環(huán)境下混凝土結(jié)構(gòu)的碳化數(shù)據(jù)后，給出了相對(duì)濕度對(duì)混凝土碳化影響的公式如(2)所示。

(2)

式中：RH1、RH2—分別為兩種環(huán)境下的相對(duì)濕度。

3)溫度對(duì)碳化深度的影響，溫度變化對(duì)氣體擴(kuò)散和碳化反應(yīng)的進(jìn)行都存在較大影響。從化學(xué)角度來(lái)看，溫度的升高促進(jìn)碳化反應(yīng)的進(jìn)程，并且溫度升高會(huì)提高 CO2擴(kuò)散的速度與離子運(yùn)動(dòng)的速度，從而提高了混凝土的碳化速度；但是溫度上升會(huì)降低CO2氣體溶解度，一定程度上降低了混凝土的碳化速率[13]。Loo[14]等學(xué)者認(rèn)為當(dāng)溫度在20℃～40℃范圍內(nèi)，溫度的變化對(duì)混凝土碳化速度的影響不顯著。但部分學(xué)者認(rèn)為當(dāng)相對(duì)濕度保持不變時(shí)，溫度由20℃升高至40℃時(shí)，碳化反應(yīng)劇烈，若溫度繼續(xù)升高，整個(gè)碳化反應(yīng)更為劇烈。因此，國(guó)內(nèi)外眾多學(xué)者對(duì)于溫度影響混凝土碳化看法仍存在分歧。

蔣清野[12]建立的混凝土碳化數(shù)據(jù)庫(kù)，給出溫度對(duì)混凝土碳化的影響公式如(3)所示。

(3)

式中：Ti—表示溫度，K；

kTi—表示溫度為 Ti時(shí)的碳化速率系數(shù)。

魚(yú)本建一利用回歸分析獲得溫度對(duì)混凝土碳化的影響系數(shù)為。

(4)

式中：T—環(huán)境溫度，K。

1.2 混凝土碳化內(nèi)部影響分析

1)水灰比對(duì)碳化深度的影響，水灰比是影響混凝土耐久性能的重要因素之一，水灰比越大，混凝土內(nèi)部的水分越多，水化后混凝土內(nèi)部的孔隙率增多，為CO2的侵入提供更多的通道，因而混凝土的碳化速率系數(shù)越大。當(dāng)水灰比越小，混凝土內(nèi)部越密實(shí)，阻塞了CO2的擴(kuò)散，使混凝土碳化速率減緩。因此，水灰比是決定CO2擴(kuò)散系數(shù)和混凝土碳化速率的主要因素之一。根據(jù)岸谷孝一、朱安民、魚(yú)本建一[15]與陳樹(shù)亮[16]等學(xué)者建立的模型，可以得出混凝土的碳化深度隨著水灰比的增大而增大，因此假定碳化深度與水灰比成正比例關(guān)系。

2)混凝土抗壓強(qiáng)度對(duì)碳化深度的影響，抗壓強(qiáng)度作為混凝土結(jié)構(gòu)設(shè)計(jì)與質(zhì)量評(píng)估的重要標(biāo)準(zhǔn)之一是水灰比、骨料品種、水泥用量、養(yǎng)護(hù)條件和施工質(zhì)量等多種因素的綜合結(jié)果，且易于測(cè)定。部分學(xué)者提出以混凝土抗壓強(qiáng)度為主要參數(shù)的碳化深度模型。根據(jù)牛荻濤模型與Smolczyk這兩類(lèi)混凝土抗壓強(qiáng)度的經(jīng)驗(yàn)?zāi)Ｐ停俣ɑ炷恋奶蓟疃扰c抗壓強(qiáng)度的冪次方成正比例關(guān)系。

3)SAP與NS對(duì)碳化深度的影響，在普通硅酸鹽水泥中摻入SAP，經(jīng)過(guò)水化反應(yīng)后，使得具有釋水特性的SAP在混凝土內(nèi)部留有一定數(shù)量的、均勻分布的非連續(xù)微孔。微孔的存在有利于溶于水中的CO2擴(kuò)散滲透進(jìn)入深層混凝土發(fā)生進(jìn)一步的碳化反應(yīng)。因此，混凝土的碳化深度隨著SAP摻量的增大而增大。由于NS具有超細(xì)顆粒尺寸和極高的火山灰活性，NS的摻入使得混凝土內(nèi)部微觀結(jié)構(gòu)更加致密，其在一定程度上有效提高了混凝土的抗碳化性能。

為研究SAP與NS摻量分與混凝土碳化深度之間的關(guān)系，分別選取快速碳化試驗(yàn)條件下的水灰比為0.35以及碳化3d、7d、14d和28d的SAP與NS試塊進(jìn)行研究，如圖1、2所示。

圖1 單摻SAP對(duì)混凝土碳化深度影響

通過(guò)圖1與2可以看出，在快速碳化試驗(yàn)條件下，當(dāng)水灰比及其他參數(shù)不變的情況下，混凝土碳化深度隨SAP摻量的增大而增大；混凝土碳化深度隨NS摻量的增大呈先減小后增大的變化趨勢(shì)。因此，假定SAP摻量與混凝土碳化深度成正比例關(guān)系，混凝土碳化深度與NS摻量的一元二次方成正比例關(guān)系。

圖2單摻NS對(duì)混凝土碳化深度影響

2 基于BP、RBF神經(jīng)網(wǎng)絡(luò)的混凝土碳化深度模型

分別使用BP和RBF神經(jīng)網(wǎng)絡(luò)對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行分析與預(yù)測(cè)。BP神經(jīng)網(wǎng)絡(luò)于1986年由Rumelhard與McClelland提出，是一種典型的多層前向型神經(jīng)網(wǎng)絡(luò)；1985年，Powell提出多變量插值的徑向基函數(shù)(RBF)方法。

BP神經(jīng)網(wǎng)絡(luò)是當(dāng)今常用的模型，廣泛運(yùn)用于模式識(shí)別、函數(shù)逼近、信息分類(lèi)、數(shù)據(jù)壓縮等方面[17-18]。在結(jié)構(gòu)層面上，確定BP網(wǎng)絡(luò)結(jié)構(gòu)中隱含層的層數(shù)與神經(jīng)元節(jié)點(diǎn)數(shù)十分重要，對(duì)模型的學(xué)習(xí)效率與泛化能力產(chǎn)生直接的影響。研究結(jié)果發(fā)現(xiàn)單隱含層的BP神經(jīng)網(wǎng)絡(luò)能完成常見(jiàn)的非線性映射。增加隱含層神經(jīng)元節(jié)點(diǎn)可以有效地降低網(wǎng)絡(luò)訓(xùn)練與預(yù)測(cè)誤差，但節(jié)點(diǎn)數(shù)增大到一定限度時(shí)，網(wǎng)絡(luò)會(huì)變得過(guò)于靈敏，會(huì)引發(fā)“過(guò)擬合”現(xiàn)象發(fā)生。RBF網(wǎng)絡(luò)結(jié)構(gòu)類(lèi)似于單個(gè)隱含層的BP神經(jīng)網(wǎng)絡(luò)，其隱含層激活函數(shù)為基函數(shù)，完成輸入信號(hào)的局部相應(yīng)，隱含層與輸出層通常為線性函數(shù)。RBF神經(jīng)網(wǎng)絡(luò)隱含層一般采用徑向基函數(shù)，該函數(shù)是局部分布的非負(fù)非線性函數(shù)，其特點(diǎn)是對(duì)中心點(diǎn)徑向?qū)ΨQ(chēng)衰減，其函數(shù)形式多種多樣，例如高斯函數(shù)、多二次函數(shù)等[17]。最常用的為高斯函數(shù)，其基本公式為。

式中：x—n 維輸入變量；

ci—第i 個(gè)徑向基函數(shù)的中心；

σ—基函數(shù)的方差；

K—隱含層節(jié)點(diǎn)數(shù)。

隱含層實(shí)現(xiàn)從x 到 f (·) 的非線性映射，輸出層完成從 f (·) 到 yi的線性映射。編號(hào)m 的神經(jīng)元輸出為：

(6)

當(dāng)RBF神經(jīng)網(wǎng)絡(luò)的中心ci和網(wǎng)絡(luò) wim規(guī)定后，對(duì)于任意給定輸出即可計(jì)算對(duì)應(yīng)網(wǎng)絡(luò)輸出。

神經(jīng)網(wǎng)絡(luò)一般由輸入層、隱含層和輸出層構(gòu)成，樣本數(shù)據(jù)導(dǎo)入到神經(jīng)網(wǎng)絡(luò)后，經(jīng)過(guò)各層網(wǎng)絡(luò)節(jié)點(diǎn)間的傳遞函數(shù)運(yùn)算處理，再通過(guò)輸出層輸出預(yù)測(cè)數(shù)據(jù)，如果預(yù)測(cè)數(shù)據(jù)與試驗(yàn)數(shù)據(jù)誤差較大時(shí)，誤差將進(jìn)行逆向傳播，模型會(huì)自動(dòng)調(diào)整網(wǎng)絡(luò)的權(quán)值與閾值，使輸出的數(shù)據(jù)與試驗(yàn)數(shù)據(jù)逐漸逼近，得到較為優(yōu)秀的預(yù)測(cè)模型[2]。其中，隱含層分為單個(gè)隱含層和多個(gè)隱含層，理論上神經(jīng)網(wǎng)絡(luò)含有單個(gè)隱含層的網(wǎng)絡(luò)就能夠映射任意有理函數(shù)，但其網(wǎng)絡(luò)結(jié)構(gòu)相對(duì)簡(jiǎn)單，因此通常使用含有多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)形式[19]。神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖3所示。

2.1 訓(xùn)練樣本與測(cè)試樣本的選擇及樣本歸一化處理

神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型由訓(xùn)練與預(yù)測(cè)兩部分組成。從輸入數(shù)據(jù)中隨機(jī)選取70%的試驗(yàn)數(shù)據(jù)作為訓(xùn)練樣本，其余30%的試驗(yàn)數(shù)據(jù)作為測(cè)試樣本。同時(shí)，盡量保證訓(xùn)練樣本與測(cè)試樣本的分布規(guī)律近似相同。綜上所述，樣本總數(shù)為25組數(shù)據(jù)，隨機(jī)抽取30%作為預(yù)測(cè)數(shù)據(jù)，其余17組作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，分別見(jiàn)表1與表2所示。

表1 混凝土碳化性能訓(xùn)練樣本集

表2 混凝土碳化性能測(cè)試樣本集

在神經(jīng)網(wǎng)絡(luò)訓(xùn)練前，為消除各輸入樣本之間數(shù)量級(jí)的差異，能夠更加精準(zhǔn)預(yù)測(cè)出結(jié)果，對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行歸一化處理是重要的一步。將各維度不同數(shù)據(jù)集中轉(zhuǎn)化在[0，1]區(qū)間，根據(jù)式(7)分別對(duì)輸入和輸出變量進(jìn)行歸一化處理。

(7)

式中：x—?dú)w一化前的數(shù)據(jù)；xnorm—?dú)w一化后的數(shù)據(jù)； xmax—給定范圍以?xún)?nèi)的最大值；xmin—給定范圍以?xún)?nèi)的最小值。

為比較模型的優(yōu)劣，需選擇一些評(píng)估指標(biāo)全面、綜合性地評(píng)估網(wǎng)絡(luò)訓(xùn)練、仿真的結(jié)果與模型的回歸結(jié)果，本文選用的兩個(gè)評(píng)價(jià)指標(biāo)為相對(duì)誤差和決定系數(shù)，其計(jì)算公式分別如下：

(8)

R2=

(9)

當(dāng)相對(duì)誤差越小，表明模型的預(yù)測(cè)效果越好。決定系數(shù)范圍在[0，1]內(nèi)，愈接近于1，表明模型的預(yù)測(cè)效果愈好；反之，愈趨近于0，表明模型的性能愈差。

2.2 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)與結(jié)果分析

本研究設(shè)計(jì)的迭代次數(shù)為3000次，目標(biāo)誤差為0.00001，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。表3和表4分別為混凝土碳化性能歸一化后的訓(xùn)練樣本集和測(cè)試樣本集。神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)5次迭代后，訓(xùn)練停止。

表3 歸一化后混凝土碳化性能訓(xùn)練樣本集

表4 歸一化后混凝土碳化性能的測(cè)試樣本集

神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練集、驗(yàn)證集、測(cè)試集及所有數(shù)據(jù)的線性回歸分析如圖4所示。

圖4 神經(jīng)網(wǎng)絡(luò)各子集擬合結(jié)果

由圖4所知，訓(xùn)練集的R為1、驗(yàn)證集的R為0.70、測(cè)試集的R為0.922及所有數(shù)據(jù)的R為0.935。由此可知，神經(jīng)網(wǎng)絡(luò)4個(gè)子集的期望輸出與網(wǎng)絡(luò)輸出有較高擬合度，充分說(shuō)明神經(jīng)網(wǎng)絡(luò)模型具有良好的整體工作性能。

圖5為BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)與試驗(yàn)值碳化深度預(yù)測(cè)結(jié)果對(duì)比分析，從預(yù)測(cè)的結(jié)果來(lái)看，BP與RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的R2分別為0.956和0.617，BP與RBF神經(jīng)網(wǎng)絡(luò)的平均相對(duì)誤差分別為1.04%與1.44%，因此BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果略好于RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)。

由于訓(xùn)練樣本有限，預(yù)測(cè)樣本較少，碳化深度預(yù)測(cè)離散性略大，且因采用多因素預(yù)測(cè)方法，存在一定誤差，但預(yù)測(cè)結(jié)果整體較為理想。說(shuō)明利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)混凝土碳化深度是可行的，可直接運(yùn)用在實(shí)際工程中，關(guān)于如何提高混凝土碳化深度預(yù)測(cè)精度問(wèn)題需繼續(xù)探討。

圖5 碳化深度預(yù)測(cè)結(jié)果對(duì)比

3 結(jié)語(yǔ)

本章基于快速碳化試驗(yàn)及其結(jié)果，通過(guò)數(shù)理統(tǒng)計(jì)學(xué)中多元非線性分析的方法，利用Matlab中的nlinfit命令建立混凝土快速碳化條件下多元非線性模型，同時(shí)利用BP、RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)混凝土碳化深度，主要得出以下結(jié)論。

1)運(yùn)用多元非線性模型來(lái)預(yù)測(cè)NS改性SAP混凝土碳化深度，關(guān)鍵在于模型的建立要充分考慮各影響因素與碳化深度之間的關(guān)系，通過(guò)非線性擬合建立各影響因素與混凝土碳化深度的非線性關(guān)系式，建立具體的數(shù)學(xué)模型，為NS改性SAP內(nèi)養(yǎng)護(hù)混凝土碳化壽命的預(yù)測(cè)提供有力的支撐依據(jù)。

2)基于混凝土快速碳化試驗(yàn)數(shù)據(jù)，分析了水灰比、SAP摻量、NS摻量、混凝土抗壓強(qiáng)度以及環(huán)境對(duì)混凝土碳化深度的影響。結(jié)果表明，混凝土碳化深度隨水灰比、溫度及SAP摻量的增大而增大，水灰比影響顯著且其與碳化深度成正比例關(guān)系；混凝土碳化深度隨著抗壓強(qiáng)度、CO2濃度、相對(duì)濕度及NS摻量的增大而減小。

3)運(yùn)用Matlab建立NS改性SAP混凝土快速碳化條件下的多元非線性模型有效可行。總體而言，對(duì)混凝土碳化深度的預(yù)測(cè)精度較理想，預(yù)測(cè)值與試驗(yàn)值的相對(duì)誤差在6.5%以?xún)?nèi)。因此，本文建立的混凝土碳化深度多元非線性模型可運(yùn)用于實(shí)踐中。

4)通過(guò)對(duì)BP、RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與試驗(yàn)結(jié)果對(duì)比分析，BP、RBF神經(jīng)網(wǎng)絡(luò)的R2分別為0.956和0.617，且碳化深度的相對(duì)誤差分別為1.04%和1.44%，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)效果優(yōu)于多元非線性模型。因此，建立的適用于NS改性SAP混凝土的碳化深度的神經(jīng)網(wǎng)絡(luò)模型，預(yù)測(cè)精度優(yōu)良。

5)結(jié)合國(guó)內(nèi)外SAP與NS的摻入對(duì)混凝土工程的影響，研究發(fā)現(xiàn)SAP可明顯改善混凝土結(jié)構(gòu)的自收縮性能，NS的摻入可提高混凝土的早期抗壓強(qiáng)度，改善混凝土結(jié)構(gòu)的耐久性能，為進(jìn)一步研究NS改性SAP內(nèi)養(yǎng)護(hù)混凝土工程奠定基礎(chǔ)。