基于bp神经网络的混凝土抗压强度预测 - 图文

北方民族大学 学士学位论文

论文题目： 基于BP神经网络的混凝土抗压能力预测

院(部)名 称: 计算机工程与技术学院 学 生 姓 名: GhoulXing 专 业: 计算机科学与技术 学 号:20xxxxx 指导教师姓名: 马飞（副教授） 论文提交时间: 论文答辩时间: 学位授予时间:

北方民族大学教务处制

基于BP神经网络的混凝土抗压测试

Ghoulxing

(北方民族大学 计算机科学与工程学院，宁夏 银川 750000)

摘 要

BP(Back Propagation)神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。它是由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。

本次毕业设计首先叙述了课题的研究背景，其次详细阐述了神经网络算法的基本原理，最后采用Mablab软件编程实现了BP神经网络算法，并把BP神经网络引入到混凝土抗压强度预测的具体应用中，同时对数据结构进行了详尽的分析。在经过一系列验证之后，建立的模型预测误差较小，预测结果可靠，可以用于混凝土抗压强度的预测。

关键词：BP神经网络，反向传播算法，混凝土抗压，matlab

Prediction of Concrete Compressive Strength based on BP Neural Network

ghoulxing

(北方民族大学 计算机科学与工程学院，宁夏 银川 750000)

ABSTRACT

BP (Propagation Back) neural network is a kind of multilayer feedforward neural network trained by the error back propagation algorithm. It is one of the most widely used neural network models. It consists of two processes, the forward propagation of information and the back propagation of error. Input layer neurons receives the input information from the outside world, and passed to the middle layer neurons; intermediate layer is internal information processing layer and is responsible for the information transform, according to the demand of the information changes, the middle layer can be designed for single hidden layer or multi hidden layer structure; the last hidden layer transfer to output layer neurons, after further processing, to complete a learning forward propagation process, from the output layer output to the outside information processing results.

This graduation design firstly introduces the research background, secondly, it elaborates the basic principle of neural network algorithm. Finally, the mablab software programming realization of the BP neural network algorithm and the BP neural network is introduced to predict the compressive strength of concrete the concrete application in, and make a detailed analysis of the data structure.After a series of verification, the model prediction error is smaller, the prediction results are reliable and can be used for the prediction of the compressive strength of concrete.

Keywords: BP neural network, back propagation algorithm, concrete

compression,matlab