【技术实现步骤摘要】
本专利技术涉及磷石膏工程材料领域，具体是一种磷石膏基复合胶凝充填体抗压强度的预测方法。
技术介绍
1、为解决磷石膏带来的环境问题，实现磷石膏的废物利用，一些公司将磷石膏制备成磷石膏的充填体，用于矿山的回采填充。磷石膏基复合胶凝充填体是一种常用的工程材料，具有优异的力学性能和耐久性。在工程实践中，准确预测磷石膏基复合胶凝充填体的抗压强度对于工程设计和矿山充填具有重要意义。
2、磷石膏基复合胶凝充填体抗压强度的预测方法常用实验和试验方法。实验和试验方法基于大量实验和试验数据，建立经验公式或模型来预测磷石膏基复合胶凝充填体的抗压强度。然而，这些基于试验的方法存在试验成本高、时间长、样本数量有限等问题，而且仅适用于特定的试验条件和材料组成，不具备普适性。然而采用神经网络预测方法可以充分利用大量的训练数据，并处理不同的输入特征和非线性关系，从而实现高灵活性、高准确性、高适应性和泛化能力，此方法还节省时间、降低成本、提高效率和质量。这使得神经网络在磷石膏基复合胶凝充填体抗压强度的预测中具有显著的优势。
技术实现思路
1、为克服上述现有磷石膏基复合胶凝充填体抗压强度的实验和试验预测方法所存在的缺陷，本专利技术所要解决的技术问题是提供一种磷石膏基复合胶凝充填体抗压强度的预测方法，其核心在于利用神经网络模型进行充填体的抗压强度预测。
2、为实现上述目的，本专利技术解决上述技术问题的预测方法包括如下步骤；一种磷石膏基复合胶凝充填体抗压强度的预测方法,该方法是通过确定影响磷石膏基
3、作为磷石膏基复合胶凝充填体抗压强度预测方法的改进；其中的影响因素确定为4个胶凝材料因素，包括磷石膏掺量、生石灰掺量、氢氧化钠掺量、水泥掺量，而其中破碎废石作为充填骨料。并且4个影响因素，通过考虑在不改变试验有效因素的条件下加入两组常数因素a、b，且各水平值全部取零，适当的增加试验的水平和因素个数，正交试验表变为6因素5水平，从而得到更精确的的掺量。
4、作为磷石膏基复合胶凝充填体抗压强度预测方法的改进；其中的表浇筑试块是由4个影响因素进行正交试验，正交试验方案为四因素三水平，按照正交试验设计出试块并进行单轴抗压强度测试。
5、作为磷石膏基复合胶凝充填体抗压强度预测方法的改进；其中的测试数据通过公式化处理就是利用matlab提供的[x,ps]＝mapminmax(x,0,1)函数对数据进行归一化处理。
6、作为磷石膏基复合胶凝充填体抗压强度预测方法的改进；其中的神经网络强度预测模型的训练是将归一化处理后的样本数据随机选用6组作为训练拟合模型的训练数据,剩下3组作为测试数据进行训练。
7、作为磷石膏基复合胶凝充填体抗压强度预测方法的改进；其中的神经网络通过预测模型训练所得出的输出数据将利用反归一化处理从而得到神经网络的预测值。并且神经网络所得出的预测精度大于95％的神经网络被确定为强度预测的最优神经网络。
8、作为磷石膏基复合胶凝充填体抗压强度预测方法的改进；其中的抗压强度是将试验数据归一化处理后通过神经网络强度预测模型得到预测值，再带入拟合好的28d抗压强度预测模型中所得出。
9、与现有技术相比，本专利技术的有益效果是；本专利技术采用神经网络的预测功能完成磷石膏基复合胶凝充填体抗压强度的预测结果，具有非常有益的效果，能够提高预测的准确性、灵活性和泛化能力，还可以有效避免试错成本。总的来说，使用这种磷石膏基复合胶凝充填体抗压强度的预测方法能够节省时间、降低成本、提高效率和质量，并为工程设计和矿山充填提供科学依据，带来可持续发展的优势；实现了磷石膏基复合胶凝充填体抗压强度预测方法的优选决策。
本文档来自技高网...【技术保护点】
1.一种磷石膏基复合胶凝充填体抗压强度的预测方法,其特征在于；该方法通过确定影响磷石膏基复合胶凝充填体抗压强度的材料因素，设计出表浇筑试块测试，再收集测试数据通过公式化处理后进行神经网络强度预测模型训练，最后将数据处理后代入拟合好的抗压强度预测模型中得到抗压强度。
2.按照权利要求1所述的磷石膏基复合胶凝充填体抗压强度的预测方法，其特征在于；所述影响因素为4个胶凝材料因素，包括磷石膏掺量、生石灰掺量、氢氧化钠掺量、水泥掺量，而其中破碎废石作为充填骨料。
3.按照权利要求2所述的磷石膏基复合胶凝充填体抗压强度的预测方法，其特征在于；所述4个影响因素，通过考虑在不改变试验有效因素的条件下加入两组常数因素a、b，且各水平值全部取零，适当的增加试验的水平和因素个数，正交试验表变为6因素5水平，从而得到更精确的的掺量。
4.按照权利要求1所述的磷石膏基复合胶凝充填体抗压强度的预测方法，其特征在于；所述表浇筑试块是由4个影响因素进行正交试验，正交试验方案为四因素三水平，按照正交试验设计出试块并进行单轴抗压强度测试。
5.按照权利要求1所述的磷石
6.按照权利要求1所述的磷石膏基复合胶凝充填体抗压强度的预测方法，其特征在于；所述神经网络强度预测模型的训练是将归一化处理后的样本数据随机选用6组作为训练拟合模型的训练数据,剩下3组作为测试数据进行训练。
7.按照权利要求6所述的磷石膏基复合胶凝充填体抗压强度的预测方法，其特征在于；对所述神经网络的输出数据利用反归一化处理从而得到神经网络的预测值。
8.按照权利要求7所述的磷石膏基复合胶凝充填体抗压强度的预测方法，其特征在于；所述神经网络所得出的预测精度大于95％的神经网络被确定为强度预测的最优神经网络。
9.按照权利要求1所述的磷石膏基复合胶凝充填体抗压强度的预测方法，其特征在于；所述抗压强度是将试验数据归一化处理后通过神经网络强度预测模型得到预测值，再带入拟合好的28d抗压强度预测模型中所得出。
...【技术特征摘要】
1.一种磷石膏基复合胶凝充填体抗压强度的预测方法,其特征在于；该方法通过确定影响磷石膏基复合胶凝充填体抗压强度的材料因素，设计出表浇筑试块测试，再收集测试数据通过公式化处理后进行神经网络强度预测模型训练，最后将数据处理后代入拟合好的抗压强度预测模型中得到抗压强度。
2.按照权利要求1所述的磷石膏基复合胶凝充填体抗压强度的预测方法，其特征在于；所述影响因素为4个胶凝材料因素，包括磷石膏掺量、生石灰掺量、氢氧化钠掺量、水泥掺量，而其中破碎废石作为充填骨料。
3.按照权利要求2所述的磷石膏基复合胶凝充填体抗压强度的预测方法，其特征在于；所述4个影响因素，通过考虑在不改变试验有效因素的条件下加入两组常数因素a、b，且各水平值全部取零，适当的增加试验的水平和因素个数，正交试验表变为6因素5水平，从而得到更精确的的掺量。
4.按照权利要求1所述的磷石膏基复合胶凝充填体抗压强度的预测方法，其特征在于；所述表浇筑试块是由4个影响因素进行正交试验，正交试验方案为四因素三水平，按照正交试验设计出试块并进行单轴抗压强度测试。
【专利技术属性】
技术研发人员：王沉，伍明光，杨帅，李奥立，罗义，
申请(专利权)人：贵州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。