• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    BP神經網絡在方形鋼管砼承載力預測中的應用

    2009-09-19 05:36:14李興權孫曉燕
    科技經濟市場 2009年7期
    關鍵詞:極限承載力BP神經網絡

    李興權 孫曉燕 尹 松 陳 偉

    摘要:本文利用人工神經網絡建立了方形鋼管混凝土的神經網絡BP模型。對方鋼管混凝土軸壓短柱,選取試件長度、截面的寬度、鋼管的厚度、混凝土的抗壓強度及鋼材的屈服強度5個影響軸壓短柱極限承載力的主要因素作為輸入單元,選用45組數據作為訓練集,8組數據作為測試集,建立了一個3層的BP神經網絡預測模型,仿真預測結果要比現有計算理論更準確。

    關鍵詞:矩形鋼管混凝土;BP神經網絡;極限承載力

    本文在采用大量的國內外試驗數據的基礎上,建立了方形鋼管混凝土的神經網絡BP模型,對軸心受壓構件的極限承載力進行了預測。

    1網絡模型的建立

    根據已有的研究成果[1.2]和分析相關的試驗數據,發(fā)現影響方鋼管混凝土軸心受壓柱極限承載力的主要因素有試件長度、截面的寬度、鋼管的厚度、混凝土的抗壓強度及鋼材的屈服強度等。所以本文選擇了輸入層為5個節(jié)點的BP網絡結構作為承載力訓練模型。通過程序的反復調試和綜合考慮網絡的各個參數選擇一個隱含層,隱含層的節(jié)點數為13個。其拓撲結構為5-13-1[3]。

    2訓練網絡模型

    本文采用收集到的66組數據[4]進行網絡模型訓練。試件寬厚比為20.3-74.8;試件的長細比為3.0-27.7;混凝土強度為16.3-78.2MPa。輸入、輸出層變換函數選擇線性,隱含層采用雙曲線正切S型變換函數,采用收斂速度最快的Trainlm訓練算法,取學習效率lr=0.6,慣性因子a=0.5,最大訓練步數epochs=2000,控制誤差goal=0.001。訓練之前對數據做歸一化處理,這樣便于網絡快速收斂[5]。訓練的誤差隨學習次數的變化曲線如圖1所示,這時訓練679次停止,誤差基本趨向穩(wěn)定,達到最好訓練效果。訓練結果的最大誤差為20.03%,絕對平均誤差為4.94%,方差為6.73%。說明訓練得到的神經網絡模型可以用來進行仿真預測,結果要比現有計算理論更準確。

    3網絡模型仿真預測

    采用訓練好的網絡模型對其它與訓練數據無關的8組試驗數據進行了測試,預測結果見表1,其中第2、8組數據誤差超過10%,分析原因是試驗數據本身明顯偏離了真實值。除此之外,網絡預測結果與試驗值的誤差為5%左右,說明網絡訓練成功,具有一定的泛化性。

    4小結

    本文建立了預測軸心受壓方形鋼管混凝土承載力的神經網絡模型,通過與試驗值、數值計算值的比較表明該網絡模型更快、更準確地計算出方形鋼管混凝土的承載力,并提供了一種新的方法。隨著試驗數據的增加和試驗參數范圍的擴大,必將建立起更加完整、更廣泛的神經網絡預測系統(tǒng),提高網絡的預測精度,以便在實際工程中推廣應用。

    考文獻:

    [1]陶忠.方鋼管混凝土軸壓力學性能的理論分析與試驗研究.土木工程學報,2001,34(2):17-25.

    [2]王海軍,尚作慶等.方鋼管砼柱軸壓力學性能的研究.沈陽工業(yè)大學學報,2005,27(1):98-102.

    [3]姜紹飛.基于神經網絡的結構分析與設計.沈陽建筑工程學報.2001.17(4):255-258.

    [4]高華國.矩形鋼管混凝土構件的優(yōu)化設計研究[碩士論文].沈陽:沈陽工業(yè)大學,2006.

    [5]羅漢成.基于MATLAB神經網絡工具箱的BP網絡實現.計算機仿真,2004,21(5):109-111.

    猜你喜歡
    極限承載力BP神經網絡
    蜂窩網格型球面網殼的非線性穩(wěn)定性研究
    黏性土中傾斜荷載下抗拔樁的模型試驗研究
    焊接殘余應力對Y型相貫節(jié)點極限承載力影響分析
    基于廣義塑性鉸線法的壓彎鋼構件極限承載力計算
    FRP約束RPC軸壓圓柱受力性能試驗研究
    就bp神經網絡銀行選址模型的相關研究
    基于DEA—GA—BP的建設工程評標方法研究
    價值工程(2016年30期)2016-11-24 13:17:31
    基于BP神經網絡的旅行社發(fā)展方向研究
    商情(2016年39期)2016-11-21 09:30:36
    復雜背景下的手勢識別方法
    BP神經網絡在軟件質量評價中的應用研究 
    軟件導刊(2016年9期)2016-11-07 18:25:50
    蒲江县| 麦盖提县| 迭部县| 邓州市| 苍梧县| 民和| 天气| 独山县| 毕节市| 山东| 门头沟区| 磴口县| 佳木斯市| 军事| 泾源县| 乌恰县| 酒泉市| 嘉峪关市| 都兰县| 那坡县| 甘孜县| 鹤峰县| 宁都县| 响水县| 包头市| 高要市| 南陵县| 永安市| 谢通门县| 南汇区| 阳朔县| 清水河县| 石家庄市| 临邑县| 韩城市| 嘉善县| 栾川县| 铁岭市| 小金县| 新昌县| 公主岭市|