1 绪论 1
1.1 人工智能 1
1.1.1 人工智能的定义与起源 1
1.1.2 人工智能的发展研究概况 1
1.1.3 人工智能在材料设计中的应用 11
1.2 混凝土配合比的设计方法 14
1.2.1 传统的混凝土配合比的设计方法 14
1.2.2 传统的混凝土配合比设计方法面临的问题 14
1.2.3 专家系统在混凝土中的应用 15
1.3 人工神经网络在高掺量粉煤灰混凝土中的应用背景及意义 17
1.3.1 粉煤灰混凝土的发展与研究现状 19
1.3.2 人工神经网络在混凝土领域的研究与发展现状 21
1.4 本书涉及的主要内容和技术方案 22
2 粉煤灰混凝土的发展概况 24
2.1 粉煤灰混凝土技术 24
2.2 粉煤灰混凝土技术的发展历程 25
2.2.1 国外粉煤灰混凝土发展简况 25
2.2.2 我国粉煤灰混凝土的发展简况 26
2.3 高掺量粉煤灰混凝土及存在问题 29
2.3.1 高掺量粉煤灰混凝土 29
2.3.2 采用大掺量粉煤灰混凝土的意义 31
2.3.3 高掺量粉煤灰混凝土的用途及概况 33
2.3.4 高掺量粉煤灰混凝土的优缺点 37
2.3.5 高掺量粉煤灰混凝土强度的预测方法及配合比设计 39
3 人工神经网络的基本原理和方法 41
3.1 人工神经网络的基本概念和发展简介 41
3.1.1 人工神经网络定义 41
3.1.2 人工神经网络发展简介 41
3.1.3 人工神经网络特点 47
3.1.4 人工神经网络的研究内容 49
3.2.1 神经元及其行为机理 50
3.2 神经网络的基本机理和结构 50
3.2.2 神经网络的拓扑结构 51
3.3 BP型神经网络 52
3.4 基本BP算法原理 54
3.4.1 BP算法的基本思想 54
3.4.2 BP算法学习过程的具体步骤 54
3.4.3 BP算法的正向计算过程 55
3.4.4 BP算法的反向误差计算 55
3.4.5 BP算法存在的缺陷 58
4.1.2 HFCC-BP的网络相关变量和结构的确定 60
4.1.1 神经网络方法设计思想 60
4.1 BP网络模型的建立 60
4 配制高掺量粉煤灰混凝土的神经网络方法 60
4.1.3 HFCC-BP网络传递函数的选择 61
4.1.4 HFCC-BP模型的具体算法 62
4.2 高掺量粉煤灰混凝土配合比设计系统（CPDS）的开发 65
4.2.1 配合比设计系统的设计思想 65
4.2.2 CPDS系统构成 66
4.2.4 CPDS系统功能 68
4.2.3 系统工作流程 68
4.3 CPDS设计平台与语言 69
4.4 CPDS系统相关问题讨论与调试 70
4.4.1 HFCC-BP结构的探讨 70
4.4.2 计算系数的确定 71
4.4.3 联接权值的确定 72
4.4.4 期望误差值的确定 73
4.4.5 CPDS系统调试过程中存在的问题及解决办法 74
4.4.6 高掺量粉煤灰混凝土配合比设计系统（CPDS）部分源代码 75
4.5.3 新建数据 76
4.5.2 打开网络 76
4.5.4 打开数据 76
4.5 系统操作指导 76
4.5.1 新建网络 76
4.5.5 数据库操作 77
4.5.6 训练网络 77
4.5.7 测试 77
4.6 CPDS系统的运行及调试 78
4.6.1 CPDS的系统要求 78
4.6.2 CPDS的运行调试 78
5.1.1 高掺量粉煤灰混凝土强度试验 80
5.1.2 学习样本的准备 80
5.1 学习样本的收集与整理 80
5 工程应用实例及成果分析 80
5.1.3 学习数据处理 81
5.2 CPDS系统的训练 81
5.3 系统的训练结果及分析 83
5.4 CPDS系统的应用 84
5.5 相关问题的探讨 84
5.5.1 人工神经网络的缺陷 84
5.5.2 模型参数的选取 84
5.5.3 网络模型应用的注意事项 85
6 人工神经网络在混凝土配制中的应用展望 86
附录 高掺量粉煤灰混凝土配合比设计系统（CPDS）部分源代码 90
参考文献 168