-
题名基于遗传算法优化BP神经网络的RC柱骨架曲线预测
被引量：1
- 1
-
-
作者
董一韩
曾森
周祥
-
机构
青岛理工大学土木工程学院
-
出处
《中国水运（下半月）》
2024年第7期34-36,共3页
-
文摘
钢筋混凝土(RC)柱的抗震性能对结构整体的稳定至关重要,RC柱的骨架曲线反映了其在反复荷载作用下不同阶段的强度、刚度、延性、耗能及抗倒塌能力等特性,对研究RC柱的抗震性能十分重要。文中基于PEER数据库中的159组矩形截面柱作为样本,构建11-15-1的三层神经网络结构,并利用遗传算法(GA)对神经网络进行改良。利用GA-BP模型对RC柱骨架曲线进行预测。结果显示:与BP神经网络相比,GA-BP神经网络平均绝对误差降低8.97kN,预测值平均绝对百分比误差降低6.22%,所得骨架曲线与样本真实骨架曲线更为相似,该模型具有良好的实际应用价值。
-
关键词
BP神经网络
钢筋混凝土柱
骨架曲线
遗传算法
-
分类号
TP306
[自动化与计算机技术—计算机系统结构]
-
-
题名基于GRNN神经网络的钢筋混凝土柱耗能能力预测
- 2
-
-
作者
周祥
曾森
董一韩
-
机构
青岛理工大学土木工程学院
-
出处
《低温建筑技术》
2023年第4期116-120,共5页
-
文摘
耗能能力是衡量钢筋混凝土柱(RC柱)抗震性能的重要指标,有限元模拟和试验法存在耗时耗力、成本高等问题。为此,文中提出了基于GRNN神经网络的RC柱耗能能力预测方法。从PEER数据库选取212组矩形柱,采用等效粘滞阻尼系数作为评价耗能能力的指标,利用MATLAB软件计算RC柱的滞回环面积和等效粘滞阻尼系数,通过SPSS显著性试验的方法评估影响RC柱等效粘滞阻尼系数的主要因素,建立RC柱等效粘滞阻尼系数神经网络预测模型。结果表明GRNN神经网络具有很好的表现,模型在测试集上的平均相对误差为21.33%,决定系数为0.792,等效粘滞阻尼系数预测值曲线与真实值曲线接近,具有良好的应用价值。
-
关键词
钢筋混凝土柱
GRNN神经网络
耗能能力预测
等效粘滞阻尼系数
-
Keywords
reinforced concrete column
GRNN neural network
energy consumption capacity prediction
equiva⁃lent viscous damping coefficient
-
分类号
TU375.3
[建筑科学—结构工程]
-
