基于BP神经网络与遗传算法实现盾构砂浆性能优化方法技术
【技术实现步骤摘要】
本专利技术涉及盾构砂浆拌制优化方法领域，尤其涉及一种基于BP神经网络与遗传算法实现盾构砂浆性能优化方法。
技术介绍
盾构砂浆是盾构壁后注浆的浆液，其拌制的材料包括水泥、粉煤灰、膨润土、石灰、砂、水，其主要性能有泌水率、稠度、强度、密度等。在拌制过程中，不同的配合比对砂浆性能有着不同的影响，在工程中，拌制的砂浆浆液性能由于配合比不好，出现性能较差的现象。因此拌制配合比是否存在最优化的状态是实现性能优化的简单有效方法，拌制过程是一个复杂非线性系统，无法用简单的数学公式描述，而砂浆配合比实验为建立拌和模型奠定了基础；为此，需要一种基于BP神经网络与遗传算法实现盾构砂浆性能优化方法，该方法利用BP神经网络建立拌制过程的数学模型，并利用遗传算法对建立的模型进行搜索，寻找拌制过程中配合比参数最优值，根据最优值进行实际生产指导。
技术实现思路
有鉴于此，本专利技术的目的是提供一种基于BP神经网络与遗传算法实现盾构砂浆性能优化方法，该方法利用BP神经网络建立拌制过程的数学模型，并利用遗传算法对建立的模型进行搜索，寻找拌制过程中配合比参数最优值。本专利技术的基于BP神经网络与遗传算法实现盾构砂浆性能优化方法，包括以下步骤：选取多个在砂浆拌制过程中影响砂浆性能的影响参数以及能够反映砂浆性能的性能观测参数；在不同所述影响参数下配制多组砂浆样本，并得到影响参数样本矩阵采集各组砂浆样本的性能观测参数，并得到与影响参数样本矩阵对应的观察参数样本矩阵分别对所述影响参数样本矩阵和观察参数样本矩阵进行归一化处理，分别得到样本矩阵X和性能样本矩阵Y；以所述样本矩阵X作为输入，以所述性能样本矩阵...
【技术保护点】
一种基于BP神经网络与遗传算法实现盾构砂浆性能优化方法，其特征在于，包括以下步骤：选取多个在砂浆拌制过程中影响砂浆性能的影响参数以及能够反映砂浆性能的性能观测参数；在不同所述影响参数下配制多组砂浆样本，并得到影响参数样本矩阵采集各组砂浆样本的性能观测参数，并得到与影响参数样本矩阵对应的观察参数样本矩阵分别对所述影响参数样本矩阵和观察参数样本矩阵进行归一化处理，分别得到样本矩阵X和性能样本矩阵Y；以所述样本矩阵X作为输入，以所述性能样本矩阵Y作为输出，运用BP神经网络算法，对样本进行训练，检验，建立拌制过程演化模型；利用遗传算法算法优化模型，寻找所述影响参数的最优范围。
【技术特征摘要】1.一种基于BP神经网络与遗传算法实现盾构砂浆性能优化方法，其特征在于，包括以下步骤：选取多个在砂浆拌制过程中影响砂浆性能的影响参数以及能够反映砂浆性能的性能观测参数；在不同所述影响参数下配制多组砂浆样本，并得到影响参数样本矩阵采集各组砂浆样本的性能观测参数，并得到与影响参数样本矩阵对应的观察参数样本矩阵分别对所述影响参数样本矩阵和观察参数样本矩阵进行归一化处理，分别得到样本矩阵X和性能样本矩阵Y；以所述样本矩阵X作为输入，以所述性能样本矩阵Y作为输出，运用BP神经网络算法，对样本进行训练，检验，建立拌制过程演化模型；利用遗传算法算法优化模型，寻找所述影响参数的最优范围。2.根据权利要求1所述的基于BP神经网络与遗传算法实现盾构砂浆性能优化方法，其特征在于：所述影响参数选取有：水泥、粉煤灰、膨润土、石灰、砂、水；所述观测参数选取有稠度、密度、泌水率、强度。3.根据权利要求1所述的基于BP神经网络与遗传算法实现盾构砂浆性能优化方法，其特征在于：所述影响参数样本矩阵为： X ~ = x ~ 11 x ~ 12 ... x ~ 1 N x ~ 21 x ~ 22 ... x ~ 2 N ... ... ... ... x ~ n 1 x ~ n 2 ... x ~ n N ; ]]>其中，为第k个样本的第i个影响参数的观测值；n为影响参数的个数，N为样本个数；所述观察参数样本矩阵为： Y ~ = y ~ 11 y ~ 12 ... y ~ 1 N y ~ 21 y ~ 22 ... y ~ 2 N ... ... ... ... y ~ m 1 y ~ m 2 ... y ~ ...