3NO.1 2013
专题研究
粉煤灰综合利用
FLY ASH COMPREHENSIVE UTILIZATION
灰色理论预测锂渣高性能混凝土中锂渣的临界细度 Prediction of Grey Fheory on Critical Fineness of Lithium Slag in the High Performance Concrete with Lithium Slag
吴福飞，侍克斌，努尔开力·依孜特罗甫，赵江涛，刘宝星
（新疆农业大学水利与土木工程学院，新疆乌鲁木齐830052）
摘要：采用灰色理论建立GM（1,1）模型来预测锂渣高性能混凝土中锂渣的细度，结果表明：通过CM（1,1）模型预测出的锂渣细度与试验值吻合较好；并通过残差检验，相对误差均≤3%。比较GM（1，1)模型计算值与试验值，证明这种灰色理论预测方法是简便易行的、可靠的、准确的，可以进一步探究应用于高性能混凝土其它性能的试验研究中。
关键调：灰色理论预测；锂渣；细度
中图分类号：TU502*.4
文献标识码：A
文章编号：1005-8249(2013)01-0006-03
WU Fu fei,SHI Ke bin,Nuerkaili · Y izite liopu,ZHAO Jiang tao,LIU Bao xing
(The College of Civil and Hydraulie Engineering, Xin jiang Agricultural University, Urumqi 830052, China)
Abstract: Using grey theory and establishing GM( 1, 1) Model to predict fineness of lithium slag in the high performance concrete with lith ium slag, The results shows,that lithium slga fineness through the GM (1, 1) model of the prediction tallywell with experimental results. And through the residual inspection,all the relative ermor are within 3% . Therefore,it prones that the Grey theory prediction method is easy and conven ient, reliable and accurate, It can further explore other properties in the experimental research of the high performance concrete within lithium slag
Key words;Grey theory:prediction;lithium slag;fineness
自从1824年水泥的问世以来，混凝土在工程方面
的应用就得到了极大的关注。特别是20世纪以来，在道路、桥梁、房屋、大坝项等工程中的运用展示出了其优越性。目前混凝土已成为材料的中流砥柱，也是工程中不可缺少的部分。但是对于混凝土的研究，还处于试验阶段。面对于混凝土这种多相复合材料，试验结果往往具有很大的离散性，在锂渣混凝土抗裂的研究中也不列外。为了在试验中得到比较满意的结果，其同时既不增加财力也不增加人力的办法是每个试验者的期望。
灰色系统理论[2]是由我国邓聚龙教授于20世纪 70年代末、80年代初，主要针对无经验，数据又少的不确定性问题，即“少数据不确定性”问题提出的。已被广泛应用于社会、经济、科技、工业、农业、生态、生物等
*基金项目：1.国家高等学校博士点专项科研基金资助（5009 2010 02 12)
作者简介：昊福飞(1985~），男，研究生，从事高性能混凝土耐久性研究及预测
通讯作者：侍克斌，（1957~），男，教授，博士生导师，xndsg@sina.com
收稿日期：2012-08-28·6·
万方数据
各领域。本文运用灰色GM（1，1）模型预测锂渣高性能混凝土中锂渣的细度，在少量试验结果的基础上，预测出锂渣高性能混凝土中锂渣的细度与试验值吻合较好。
1灰色GM(1,1)预测模型的建立(3)
灰色系统理论使一些随机数据经过一次累加生成
或通过多次累加生成变为单调上升、带有线性或指数规律的序列。因此，用灰色系统理论用少量的锂渣混凝土抗裂试验数据建立灰色GM(1，1)预测模型，实现对数据少于4个的预测是可行的。
通常GM表示为CM(n，h），当n=h=1时即构成了一个单变量的一阶灰色预测模型。用x(0)（k）表示锂混凝土抗裂性能的原始数据序列，见式（1）。
x(0) (k) = (x(0) (0) ,x(0) (1) ,x(0) (2) , ,x(6) (n) /(1) 这是一组信息不完全的灰色量，具有很大的随机性。经过一次累加生成算法将原始数据序列生成一阶累加生成序列，并用x(1)（k）表示，见式（2）。
x() (k) = /x() (0) ,x() (1) ,x() (2),,x(1)(n) (2) 在上面数据生成的基础上，用线性动态模型对生成数