来源：期刊VIP网 时间：
作者：曹芳;胡超;郭家舜;尚庆芳;吴桐;
单位：湖南长株高速公路开发有限责任公司;长安大学道路施工技术与装备教育部重点实验室;德通智能科技股份有限公司;中交和美环境生态建设有限公司;
摘要：为了预测一种固废声屏障的材料性能,并优化材料配比,研究提出了一种基于卷积神经网络和双向长短期记忆网络的混合神经网络模型,并引入注意力机制,采用试验数据对模型进行了训练。结合Pareto最优解的思想和北方苍鹰算法得到了多目标北方苍鹰优化算法,并基于该算法对模型中的关键参数进行了优化,使模型对主要性能指标的预测误差都降到0.8%以下,而未经优化的模型对部分指标的预测误差高达3.97%左右。以材料性能为目标,基于提出的高精度预测模型和多目标北方苍鹰算法对框架材料和吸声屏材料的配比进行了优化。经过配比优化后,框架材料和吸声屏材料的不同性能之间得到了较好的协调和总体提升,同时保证了较高的渣土利用率。相比于正交试验所得数据,优化后的框架材料在相近的渣土质量分数下,28D抗压强度提高了11.62%,28D抗折强度相差不多。在具有相近吸声系数的前提下,吸声屏材料的计权隔声量提高了65.82%,渣土质量分数提高了9.30百分点。研究提出的材料配比优化方法取得了较好的效果,能够有效提高新型固废声屏障材料的研发效率,降低研发成本。
关键词：环境工程学;;声屏障;;固废材料;;卷积神经网络;;配比优化
