周紹維

摘 要：為了確定施工現(xiàn)場混凝土熱學(xué)參數(shù)，根據(jù)現(xiàn)場實(shí)測數(shù)據(jù)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的方法和混凝土溫度場有限元仿真計(jì)算，對現(xiàn)場混凝土熱學(xué)參數(shù)進(jìn)行反演。結(jié)果表明，基于反演結(jié)果計(jì)算的溫度值與現(xiàn)場實(shí)測溫度值吻合較好，對后續(xù)溫度場仿真計(jì)算具有重要意義。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；熱學(xué)參數(shù)；反演；混凝土

中圖分類號：U445.57 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-2945（2019）01-0032-02

Abstract： In order to determine the thermal parameters of concrete in construction site， the thermal parameters of field concrete are retrieved using the method of combining BP neural network with genetic algorithm and the finite element simulation calculation of concrete temperature field according to the field measured data. The results show that the calculated temperature value based on the retrieval results is in good agreement with the field measured temperature value， which is of great significance to the subsequent simulation calculation of temperature field.

Keywords： BP neural network； thermal parameter； inversion； concrete

引言

在壩工領(lǐng)域中，大體積混凝土由于自身水化熱作用和外界環(huán)境的影響，使混凝土內(nèi)外存在較大的溫差，容易形成混凝土表面裂縫和貫穿性裂縫[1]，影響壩體結(jié)構(gòu)安全性能[2]。因此，諸多學(xué)者針對壩體溫控防裂這一課題做了大量的研究[3、4]，利用數(shù)值模擬和有限元仿真計(jì)算混凝土溫度

場，預(yù)先判斷混凝土溫度分布狀態(tài)，提前做好溫控防裂措施。但在計(jì)算混凝土溫度場時(shí)受到諸多因素的影響，如冷卻通水參數(shù)、外界環(huán)境氣溫以及混凝土熱學(xué)參數(shù)的影響。通常，外界環(huán)境氣溫和冷卻通水參數(shù)可通過監(jiān)測設(shè)備獲取。而混凝土熱學(xué)參數(shù)一般采用室內(nèi)試驗(yàn)值或設(shè)計(jì)值，由于室內(nèi)試驗(yàn)環(huán)境與施工現(xiàn)場環(huán)境存在較大差異以及施工現(xiàn)場混凝土配合比和級配動(dòng)態(tài)變化，使得室內(nèi)試驗(yàn)值與實(shí)際現(xiàn)場混凝土熱學(xué)存在差別，導(dǎo)致進(jìn)行混凝土溫度場仿真計(jì)算時(shí)，結(jié)果出現(xiàn)較大的偏差。

因此，本文基于施工現(xiàn)場實(shí)測數(shù)據(jù)，綜合考慮現(xiàn)場實(shí)際環(huán)境與通水參數(shù)的影響，采用BP神經(jīng)網(wǎng)絡(luò)-遺傳算法反演混凝土熱學(xué)參數(shù)。

1 分析方法

1.1 非穩(wěn)定溫度場計(jì)算原理

1.2 參數(shù)反演理論

熱學(xué)參數(shù)反演過程實(shí)質(zhì)上是利用優(yōu)化算法調(diào)用溫度場仿真計(jì)算程序進(jìn)行多次迭代的過程。傳統(tǒng)的優(yōu)化算法調(diào)用溫度場的方法具有局部搜索能力差、對初始值依懶性強(qiáng)，在復(fù)雜問題上，對全局最優(yōu)解的搜索概率低、無法保證能夠搜索到最優(yōu)解，并且還存在計(jì)算量大、計(jì)算時(shí)間長等問題。為了高效地反演實(shí)際現(xiàn)場混凝土熱學(xué)參數(shù)，本文將利用BP神經(jīng)網(wǎng)絡(luò)與優(yōu)化算法相結(jié)合的方法，反演現(xiàn)場混凝土熱學(xué)參數(shù)。

1.2.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，它由輸入層、隱含層和輸出層構(gòu)成。通過構(gòu)建訓(xùn)練樣本以及測試樣本，建立以及訓(xùn)練神經(jīng)網(wǎng)絡(luò)。其基本思想是梯度下降法，在訓(xùn)練中多次調(diào)整網(wǎng)絡(luò)參數(shù)，使網(wǎng)絡(luò)誤差均方差為最小[6]。BP神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的非線性映射能力。

1.2.2 遺傳算法

遺傳算法基于生物界的“適者生存，優(yōu)勝劣汰”遺傳機(jī)制演化而來的隨機(jī)化搜索算法。操作過程由選擇、交叉、變異3個(gè)算子完成，具有很好的穩(wěn)健性和全局尋優(yōu)能力[7]。 1.3 反演目標(biāo)函數(shù)

2 算例

2.1 待反演參數(shù)確定

混凝土自身水化熱作用對混凝土溫度影響較大，通常在溫度場計(jì)算中以絕熱溫升代替水化熱，本文計(jì)算所用的絕熱溫升表達(dá)式采用雙曲線式，因此對絕熱溫升？茲和溫升規(guī)律n進(jìn)行反演；混凝土塊與外界環(huán)境進(jìn)行熱交換時(shí)，主要受表面放熱系數(shù)β的影響，而其他熱學(xué)參數(shù)一般可通過室內(nèi)試驗(yàn)獲取準(zhǔn)確值，因此，本文選取絕熱溫升？茲、溫升規(guī)律參數(shù)n和表面放熱系數(shù)β作為反演參數(shù)，根據(jù)設(shè)計(jì)值與參考資料，取值范圍為θ∈[20，30]℃，n∈[1.5，5.5]，β∈[100，600]kJ/（m2·d·℃）。

2.2 有限元模型

本文以某混凝土壩澆筑倉作為研究對象，建立2倉有限元模型，第一倉作為基礎(chǔ)部分，不考慮進(jìn)行反演計(jì)算。單倉層厚為3m。模型如圖1所示，共剖分了3003個(gè)節(jié)點(diǎn)，2400個(gè)單元。計(jì)算時(shí)：澆筑倉的臨空面為第三類溫度邊界，通水流量、通水水溫、通水時(shí)間、澆筑倉外界氣溫、間歇期時(shí)間均采用現(xiàn)場實(shí)際值。

2.3 混凝土熱學(xué)參數(shù)反演及結(jié)果驗(yàn)證

利用均勻設(shè)計(jì)方法，獲取30組熱學(xué)參數(shù)計(jì)算方案作為訓(xùn)練樣本，利用Excel隨機(jī)生成7組測試樣本計(jì)算方案，對訓(xùn)練結(jié)果進(jìn)行驗(yàn)證。利用溫度場仿真計(jì)算程序，對訓(xùn)練與測試樣本進(jìn)行溫度場仿真計(jì)算，獲得目標(biāo)函數(shù)，具體見表1。

將表1中的目標(biāo)函數(shù)e作為輸出，3種熱學(xué)參數(shù)作為輸入，建立并訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，最后利用遺傳算法調(diào)用神經(jīng)網(wǎng)絡(luò)對樣本組合進(jìn)行尋優(yōu)，得出絕熱溫升為23.52℃，溫升規(guī)律為3.55，表面放熱系數(shù)為503.34kJ/（m2·d·℃）。將反演結(jié)果，代入溫度場仿真程序計(jì)算，計(jì)算溫度與實(shí)測溫度變化趨勢對比如圖2所示

從圖2可以看出，基于反演參數(shù)的溫度場仿真結(jié)果與實(shí)測資料總體趨勢一致，兩者吻合較好，誤差較小。說明反演結(jié)果具有較高的可信度。

3 結(jié)束語

本文采用BP神經(jīng)網(wǎng)絡(luò)-遺傳算法相結(jié)合的方法反演混凝土熱學(xué)參數(shù)，基于反演結(jié)果計(jì)算出的溫度值與實(shí)測溫度值吻合較好，說明反演結(jié)果與壩體混凝土實(shí)際熱學(xué)參數(shù)接近，對后續(xù)溫度場仿真計(jì)算和溫控防裂措施的制定具有重要的意義。

參考文獻(xiàn)：

[1]喻正富，張?bào)阌辏瑒砭?，?基于遺傳算法的大體積混凝土熱力學(xué)參數(shù)反演分析[J].建筑科學(xué)與工程學(xué)報(bào)，2015（05）：81-88.

[2]李文偉，樊啟祥，李新宇，等.特高拱壩專用低熱硅酸鹽水泥研究與應(yīng)用[J].水力發(fā)電學(xué)報(bào)，2017，36（3）：113-120.

[3]杜平，劉書賢，譚廣柱，等.基于四維溫度場理論的大體積混凝土數(shù)值分析[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，31（4）：526-530.

[4]劉杏紅，創(chuàng)兵，常曉林，等.大體積混凝土溫度裂縫擴(kuò)展過程模擬[J].巖土力學(xué)，2010，31（8）：2666-2670，2676.

[5]朱伯芳.大體積混凝土凝土溫度應(yīng)力與溫度控制[M].第二版.北京：中國水利水電出版社，2012.

[6]王放，周宜紅，趙春菊，等.考慮測點(diǎn)靈敏度的大體積混凝土熱學(xué)參數(shù)反演方法研究[J].水力發(fā)電學(xué)報(bào)，2017（12）：95-104.

[7]張宇鑫，宋玉普，王登剛.基于遺傳算法的混凝土三維非穩(wěn)態(tài)溫度場反分析[J].計(jì)算力學(xué)學(xué)報(bào)，2004（03）：338-342.