基本建设的高速发展,使得人们对当今使用最广泛的建筑材料——混凝土的性能研究提出了更高的要求,而这其中强度是首先需要考虑的力学性能指标。要掌握混凝土强度的变化规律,我们必须从混凝土的微观或细观结构出发,寻求两者之间的必然联系。混凝土是多相、非均匀性质的多孔材料,因此,其细观结构与强度的关系表现出极其复杂的非线性关系。以往的定量研究大多通过建立数学模型,提出两者之间的简化关系式,缺乏严格的理论推导,这种半经验公式只能在一定程度上满足工程实践的需要。近十年来迅速发展起来的人工神经网络是一种模拟人脑工作原理的仿生技术。它特别擅长处理复杂的非线性问题,而且不需要明确的数学表达式。本文利用人工神经网络搭建起联系混凝土细观结构与宏观力学性能的主要方面——强度的桥梁,试图在此方向的研究中贡献自己的一份微薄之力。 本文共分五章。第一章介绍了混凝土孔结构在国内外的研究现状,包括主要的混凝土测孔方法、孔结构模型的研究及孔结构与强度关系的研究现状;回顾了人工神经网络的发展历史以及应用现状。第二章分析了混凝土孔结构与强度关系的发展历程,对已有模型进行比较分析,并着重强调了考虑孔径分布的多参数模型相比仅考虑总孔隙率的模型的合理性。第三章主要介绍了人工神经网络的概念、特点和基本原理,特别指出了本文使用的BP网络的算法推导、不足和改进方法;并总结了人工神经网络在土木工程中的应用。第四章建立了BP神经网络模型,从两个角度尝试建立了混凝土细观与宏观之间的联系:强度预测模型从细观结构出发,通过混凝土孔隙平均分布半径和4个分孔隙率预测抗压强度;而孔隙率预测模型则从宏观出发,通过混凝土的抗压强度和组分预测其孔结构指标——孔隙率。将BP网络模型与传统的回归模型比较,检验其正确性,最终提出完善模型的方法。第五章是结论与展望,总结本文的主要研究成果并对今后的研究提出相应的展望。 本文的主要成果是建立了两个BP网络预测模型,通过检测样本的验证,强度预测模型的精度较传统的回归方法有明显提高;而孔隙率的预测模型则是一个全新的研究内容,进一步完善和改进此模型具有非常重大的意义。