全珊瑚骨料海水混凝土力学性能试验研究

为了探讨全珊瑚骨料海水混凝土的基本力学性能,并比较其与普通混凝土和轻集料混凝土的差异,通过实验系统测定了珊瑚混凝土的基本力学性能,建立了其轴心抗压强度(f_(c,m))、劈裂抗拉强度(f_(sp,m))、抗折强度(f_(t,m))与立方体抗压强度(f_(cu,m))之间的线性关系与计算公式。结果表明:在强度等级C20~C50的范围内,珊瑚混凝土的f_(c,m)和f_(sp,m)分别比普通混凝土的f_(c,m)和f_(sp,m)高出10%~48%和9%~33%,随着强度等级的提高,两种混凝土之间的差距在减小。珊瑚混凝土的f_(t,m)与普通混凝土的ft,m之间的差异规律与强度等级有关,较低强度等级的C30珊瑚混凝土ft,m比普通混凝土的f_(t,m)要高4%,而较高强度等级的C55珊瑚混凝土f_(t,m)比普通混凝土的f_(t,m)低13%。较高强度等级的C50珊瑚混凝土f_(c,m)、f_(sp,m)和f_(t,m)分别比页岩陶粒轻集料混凝土的f_(c,m)、f_(sp,m)和f_(t,m)低11%、0.9%和4%。     

基于BP人工神经网络的海水水质综合评价

为了能够客观地对海水水质进行综合评价,在分析人工神经网络概念和原理的基础上,从阈值角度出发,通过对各类海水水质污染指标浓度生成样本的方法,生成了适用于BP人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价,通过模型...     

基于BP人工神经网络的海水水质综合评价

为了能够客观地对海水水质进行综合评价,在分析人工神经网络概念和原理的基础上,从阈值角度出发,通过对各类海水水质污染指标浓度生成样本的方法,生成了适用于BP人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价,通过模型的计算,得到该海域的水质类别。结果表明,2004-2007年,渤海湾近岸海域污染指标总体上在河流丰水期时比枯水期时高,2005年和2006年污染较为严重,2007年有所好转。经训练的评价模型应用于实例的评价结果表明,该模型设计合理、泛化能力强,对海水水质评价具有较好的客观性、通用性和实用性。     

青岛海水拌和混凝土力学性能试验研究

海水拌和的水泥净浆在标准稠度用水量和体积安定性方面与淡水拌和的水泥净浆没有明显差别,但凝结时间提前。水泥胶砂和混凝土的抗压、抗折强度与淡水拌和的相当。海水拌和的混凝土配合比可以采用淡水混凝土的配合比。     

海水珊瑚砂混凝土的实验研究Ⅰ

海水珊瑚砂混凝土的实验研究结果表明，这种混凝土的社会效益和经济效益都较显著，是一种可推广应用的特殊海工混凝土。     

海水拌养混凝土耐久性试验与应用

通过对海水拌养混凝土耐海水侵蚀试验和海水中化学成分对水泥胶砂与骨料的影响分析,以及海水拌养混凝土的工程应用与调查结合长龄期强度跟踪观测,研究了海水拌养素混凝土的耐久性.旨在为淡水资源匮乏的海岛工程建设应用海水拌养混凝土,减少从大陆船运施工用淡水,节省工程投资提供资料.     

基于粒子群算法优化的BP神经网络在海水水质评价中的应用

针对目前存在的海水水质受多因素影响、评价难的现状,提出了一种基于粒子群算法（PSO）优化误差反向传播（BP）神经网络的海水水质评价模型。该模型通过PSO得到BP神经网络最优的权值和阈值,结合青岛东部海域10个监测站点的数据得到水质评价结果。实验证明,该模型和单因子评价、传统的BP神经网络评价相比较,具有训练时间短、预测精度高的特点,在海水水质评价中具有良好的应用价值。     

基于EMD的BP神经网络海水温度时间序列预测研究

为提高非线性和非平稳海水温度时间序列的预测能力,提出了一种基于经验模态分解(Empirical Mode Decomposition.简称EMD)的BP神经网络预测方法.该方法首先对原始序列进行经验模态分解,将其分解为多个平稳性得到很大改善的本征模态函数(Intrinsic Mode Function,简称IMF)之和,然后时每个本征模态函数进行预测,最后再根据EMD方法的完备性把预测结果相加得出原始序列的预测结果.预测试验结果表明.基于EMD的BP神经网络预测的精度比单纯用BP神经网络预测有很大提高.     

基于头脑风暴优化算法与BP神经网络的海水水质评价模型研究

针对基于传统BP神经网络的海水水质评价模型存在易陷入局部极小等问题,提出了一种新的利用头脑风暴优化算法(BSO)优化BP神经网络的海水水质评价模型(BSO-BP)。该模型引入具有全局寻优特点的头脑风暴优化算法,用于模拟人类提出创造性思维解决问题的过程,具有强大的全局搜索和局部搜索的能力,同时利用BP神经网络所具有良好的非线性映射能力、学习适应能力和容错性,最大程度上考虑到海洋水质评价因素的非线性和非平稳的关系,得到BP神经网络的各层权值、阈值的最优解,使得海水水质评价结果准确合理。并以胶州湾海域的12个监测站位的监测数据作为评价样本进行水质评价,实验结果表明该评价模型能够克服局部极小问题,评价结果准确性较高,并具有一定的实用性。     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演.结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5 m的水深值反演精度较高,而对大于10 m的水深值反演精度较低.     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7 ETM 遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演。结果表明:具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5m的水深值反演精度较高,而对大于10m的水深值反演精度较低。     

Prediction of Load Carrying Capacity of Corroded Reinforced Concrete Beam

A novel method for prediction of the load carrying capacity of a corroded reinforced concrete beam (CRCB) is presented in the paper. Nine reinforced concrete beams, which had been working in an aggressive environment for more than 10 years, were tested in the laboratory. Comprehensive tests, including flexural test, strength test for corroded concrete and rusty rebar, and pullout test for bond strength between concrete and rebar, were condueted. The flexural test results of CRCBs reveal that the distribution of surface cracks on the beams shows a fractal behavior. The relationship between the fractal dimensions and mechanical properties of CRCBs is then studied. A prediction model based on artificial neural network (ANN) is established by the use of the fractal dimension as the corrosion index, together with the basic intbrmation of the beam. The validity of the prediction model is demonstrated through the experimental data, and satisfactory resuits are achieved.     

新型海冰调查设备--冰样压缩机

介绍了海冰观测中冰样压缩机的重要作用;阐述了冰压机各组成部分的设计原理和操作步骤;列出了表征海冰单轴抗压强度性能的部分参数和计算方法;对整机标定的方法提出了设计方案。     

基于改进BP神经网络的海底底质分类

通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。     

Effect of Silica Fume on Compressive Strength of Oil-Polluted Concrete in Different Marine Environments

In the present research, effect of silica fume as an additive and oil polluted sands as aggregates on compressive strength of concrete were investigated experimentally. The amount of oil in the designed mixtures was assumed to be constant and equal to 2% of the sand weight. Silica fume accounting for 10%, 15% and 20% of the weight is added to the designed mixture. After preparation and curing, concrete specimens were placed into the three different conditions: fresh, brackish and saltwater environments (submerged in fresh water, alternation of exposed in air & submerged in sea water and submerged in sea water). The result of compressive strength tests shows that the compressive strength of the specimens consisting of silica fume increases significantly in comparison with the control specimens in all three environments. The compressive strength of the concrete with 15% silica fume content was about 30% to 50% higher than that of control specimens in all tested environments under the condition of using polluted aggregates in the designed mixture.     

Effects of Curing Conditions on Strength Development of High Strength Concrete

This paper presents the results of a series of studies on the influence of curing conditions onthe strength development of high strength concrete.The 1-,3-,7-,14-and 28-day strengths of four dif-ferent mixes of Grade 75～80 concrete,with or without pulverized fuel ash and/or condensed silica fume,under five different curing regimes were investigated.It is revealed that the curing conditions have signifi-cant influence on both the short term and long term strength development of the concrete and that con-crete mixes of the same grade but containing different mineral admixtures show distinct favour for a cur-ing regime.These results will be helpful for evaluating suitable curing methods for high strength concretewith different mix proportions.     

SMAP卫星的RBF神经网络海表盐度遥感反演

针对传统海表盐度遥感反演精度不高、影响因素较少等问题,本文基于SMAP(Soil Moisture Active Passive)卫星L2C(Level 2 C)数据、Argo(Array for Real-time Geostrophic Oceanography)数据和其他辅助数据,以太平洋部分海域（160°E～120°W,0°～30°N）为研究区域,综合考虑海面粗糙度以及白冠覆盖率等参量,利用径向基神经网络建立RBF亮温增量模型,并对平静海面亮温进行修正,然后基于Meissner-Wentz介电常数模型得到反演后的盐度值。验证结果表明：模型预测盐度和SMAP卫星盐度相对于Argo实测盐度的均方根误差分别为0.4和0.5,平均绝对误差分别为0.3和0.4。实验证明,利用RBF神经网络建立的亮温增量模型可以提高海表盐度反演的精度,对海表盐度反演具有实用意义。     

基于BP神经网络的海水盐度建模研究

针对受诸多因素影响的复杂的海水盐度参数非线性输入输出特性,训练并建立BP神经网络模型,介绍了该模型的结构特点和原理。分析表明,该方法在海水盐度建模等复杂系统方面具有实用性和可靠性,并有很好的应用前景。     

混凝土强度快速试验(4h压蒸养护法)--连云港地区强度推定式的建立

为了快速推定混凝土强度，根据《公路工程水泥混凝土试验规程》(JTJ053-94)“混凝土强度快速试验(4h压蒸养护法)”，对不同塌落度、水灰比的混凝土进行试验。在大量试验的基础上，建立了连云港地区混凝土强度推定式。并对推定式的应用范围进行了分析，试验数据表明所建立的推定式能够应用于当地公路工程建设。