建筑材料学报

作者：王鹏辉，乔宏霞，冯琼，薛翠真，张云升

单位：1.深圳大学 广东省滨海土木工程耐久性重点实验室,广东 深圳 518060;2.兰州理工大学 甘肃省土木工程防灾减灾重点实验室,甘肃 兰州 730050;3.东南大学 材料科学与工程学院,江苏 南京 211189

关键词：氯氧镁水泥混凝土;耐水性;抗压强度;软化系数;PSO-BPNN

基金：国家自然科学基金资助项目（52178216， 52108219， U21A20150， 52008196）；甘肃省科技计划项目（23JRRA799）

为快速准确地获得具有优异耐水性氯氧镁水泥混凝土（MOCC）的配合比，设计了拓扑结构为4-10-2的粒子群优化（PSO）算法-反向传播（BP）神经网络（PSO-BPNN）模型.该模型的输入层参数为n（MgO）/n（MgCl₂）、粉煤灰掺量、磷酸掺量和磷肥掺量，输出层参数为MOCC的抗压强度和软化系数；模型数据集为144组，其中训练集数据为100组，验证集数据为22组，测试集数据为22组.结果表明：PSO-BPNN模型在MOCC抗压强度预测中的评价参数——决定系数R²=0.99、平均绝对误差S_MAE=0.52、平均绝对误差百分比S_MAPE=1.11、均方根误差S_RMSE=0.73；其在软化系数预测中的评价参数——R²=0.99、S_MAE=0.44、S_MAPE=1.29、S_RMSE=0.62；与BP神经网络（BPNN）模型相比，PSO-BPNN模型具有更强的双参数预测能力，可用于MOCC配合比的正向设计和反向指导.

来源：2024年第3期

《建筑材料学报》期刊编辑部

查看建筑材料学报杂志2024年第3期