粉煤灰与硅灰对透水混凝土性能的影响及SSA-BP神经网络预测模型研究
Study on the influence of fly ash and silica fume on the properties of pervious concrete and the SSA-BP neural network prediction model
关键词：
透水混凝土；抗压强度；透水系数；SSA-BP神经网络；预测
Key words：
Pervious concrete; Compressive strength; Permeability coefficient; SSA-BP neural network; Prediction
刊期：
2026年第5期
DOI：
10.19761/j.1000-4637.24060298
文章编号：
基金项目：
江苏省大学生创新训练计划项目（202313842049H）。
作者：
王 卫，陈小华，王冠潮，熊 尧
单位：
南京理工大学泰州科技学院，江苏 泰州 225300
摘要
摘 要：为了揭示透水混凝土力学与透水性能的协同变化规律，并实现对其性能的精准预测与协同设计，本文研究了矿物掺合料总掺量（等质量取代0、20%、25%的水泥）、粉煤灰掺量（0、5%、10%、15%、20%、25%）、硅灰掺量（0、5%、10%、15%、20%、25%）、设计孔隙率（10%、20%）对透水混凝土抗压强度、透水系数的影响，并基于SSA-BP神经网络模型对透水混凝土性能进行了预测。结果表明：掺入矿物掺合料可以有效提高透水混凝土的抗压强度；当矿物掺合料总掺量为25%、硅灰掺量为10%、粉煤灰掺量为15%、设计孔隙率为10%时，透水混凝土的抗压强度最优；当矿物掺合料总掺量相同时，随着硅灰掺量的增加，透水混凝土的透水系数降低；其他条件相同情况下，设计孔隙率增加，透水混凝土的透水系数增加；SSA-BP神经网络模型在透水混凝土性能预测方面精度较高。研究成果可为透水混凝土的研发及应用提供参考。
Abstract: In order to reveal the synergistic variation patterns between the mechanical properties and water pervious properties of pervious concrete and to achieve accurate performance prediction and coordinated design, the effects of total mineral admixture content (0, 20%, and 25% replacement of cement by equal mass), fly ash content (0, 5%, 10%, 15%, 20%, 25%), silica fume content (0, 5%, 10%, 15%, 20%, 25%), and design porosity (10%, 20%) on the compressive strength and permeability coefficient of pervious concrete were investigated in this article. Additionally, the performance of pervious concrete was predicted using the SSA-BP neural network model. The results indicate that incorporating mineral admixtures can effectively enhance the compressive strength of pervious concrete. When the total mineral admixture content is 25%, the content of silica fume is 10%, the content of fly ash is 15%, and the design porosity is 10%, the compressive strength of pervious concrete is optimal. At the same total mineral admixture content, the permeability coefficient of pervious concrete decreases as the silica fume content increases. Under identical conditions, an increase in design porosity leads to a higher permeability coefficient. The SSA-BP neural network model demonstrates high accuracy in predicting the performance of pervious concrete. The research results can provide reference for the development and application of pervious concrete.
结论
（1）掺入矿物掺合料可以有效提高透水混凝土的抗压强度。当矿物掺合料总掺量相同时，透水混凝土的抗压强度随着硅灰掺量的增加呈先增后降的趋势。其他条件相同的情况下，设计孔隙率越小，透水混凝土的抗压强度越高。当矿物掺合料总掺量为25%、硅灰掺量为10%、粉煤灰掺量为15%、设计孔隙率为10%时，透水混凝土的抗压强度最优。
（2）当矿物掺合料总掺量相同时，随着硅灰掺量的增加，透水混凝土的透水系数降低。其他条件相同的情况下，设计孔隙率增加，透水混凝土的透水系数增加。
（3）通过BP神经网络模型和SSA-BP神经网络模型预测值与试验实测值对比可知，SSA-BP神经网络模型在透水混凝土性能预测方面精度较高。
参考文献
[1] 范向前,韩浩田,陆俊.透水混凝土力学性能影响因素的研究进展与分析[J].混凝土与水泥制品,2024(7):42-47,59.
[2] 张杨,郑扬,黄九达.透水混凝土的力学性能优化及影响因素研究[J].混凝土与水泥制品,2022(12):97-100.
[3] 李俊,杨建永,娄建新,等.超细粉煤灰和偏高岭土改性水泥基透水混凝土性能研究[J].混凝土,2023(5):175-179.
[4] 郭远臣,叶青,向凯,等.净水功能型粉煤灰透水混凝土性能研究[J].建筑材料学报,2023,26(9):988-995.
[5] 马国栋.透水混凝土路面渗流与堵塞数值模拟[D].济南:山东大学,2019.
[6] 万海飞,陈征征.不同工业废料的透水混凝土的力学性质[J].四川建材,2022,48(2):19-20,22.
[7] 邹德强,李存宝,张健飞,等.硅灰-玄武岩纤维改性透水混凝土力学性能与耐久性研究[J].建材技术与应用,2023(5):10-15.
[8] 谢少华,何山,闫学勤,等.基于SSA-BP神经网络的光伏短期功率预测[J].浙江工业大学学报,2022,50(6):628-633.
[9] 姚洁,邱劲.基于SSA-BP算法的道路交通流量预测研究[J].西南大学学报(自然科学版),2022,44(10):193-201.
[10] 姚兆明,齐健.基于SSA-BP方法土冻胀率影响因素敏感性分析[J].力学与实践,2022,44(2):322-327.
[11] 张伟.基于改进SSA算法的工业机械臂轨迹规划与应用[D].太原:中北大学,2023.
[12] 苏子龙,严文亮,李慧敏,等.基于改进麻雀搜索算法优化BP神经网络的农业碳排放预测[J].环境科学,2024,45(12):6818-6827.
[13] 周家慧,杨建永,张裕显.基于BP神经网络纤维增强透水混凝土性能影响[J].混凝土,2022(6):40-44.
[14] 李卫硕,孙剑,陈伟.基于BP神经网络机器人实时避障算法[J].仪器仪表学报,2019,40(11):204-211.
[15] 李敏,高岳林.基于改进粒子群优化的BP神经网络图像压缩方法[J].南京理工大学学报,2023,47(6):756-766.
[16] 朱诚,王昭敏,隆锋,等.基于ABC-BP神经网络的地铁盾构地表沉降预测[J].河海大学学报(自然科学版),2023,51(4):72-80.
[17] 马创,周代棋,张业.基于改进鲸鱼算法的BP神经网络水资源需求预测方法[J].计算机科学,2020,47(增刊2):486-490.
[18] 郭威,丁晓欣.基于BP神经网络的公共建筑工程造价预测研究[J].建材技术与应用,2023(4):10-13.
[19] 韩纪晓,宁熙雯,安庆锋,等.基于BP神经网络的纤维混凝土力学性能研究[J].工业建筑,2023,53(增刊2):669-672,707.
[20] 卜良桃,洪俊鹏.基于SSA-BP神经网络的圆钢管RPC短柱轴压承载力预测[J].沈阳建筑大学学报(自然科学版),2023,39(4):587-595.
[21] 陆征然,赵婉东,郭超.基于BP神经网络的缺陷CFST短柱承载力预测[J].沈阳建筑大学学报(自然科学版),2021,37(4):702-708.
引用本文
王卫,陈小华,王冠潮,等.粉煤灰与硅灰对透水混凝土性能的影响及SSA-BP神经网络预测模型研究[J].混凝土与水泥制品,2026,53(5):83-87. WANG W,CHEN X H,WANG G C,et al.Study on the influence of fly ash and silica fume on the properties of pervious concrete and the SSA-BP neural network prediction model[J].China Concrete and Cement Products,2026,53(5):83-87 (in Chinese).
下一个： 基于WOA-XGBoost模型的FRP-混凝土界面黏结力预测
相关文件