基于 GM-RBF 神经网络的混凝土碳化深度预测

杨利霞

基于 GM-RBF 神经网络的混凝土碳化深度预测

1 J# @- f) [" F: r; _
: G( D" W  }6 A: z! E2 m7 E

混凝土碳化是影响混凝土结构耐久性的关键因素,而影响混凝土碳化深度的因素众多且又复
3 ~; J, p8 p5 j/ n$ C) G& U- K5 `; O杂,现有的预测模型在预测精度上不够准确,且考虑的影响因素不全面。 为了提高混凝土碳化深度的预测精
: f8 `- _0 U" u% `- q: m  ^3 I* [度,在已有混凝土碳化深度预测模型的基础上,将灰色系统 GM(Gey
Model)与 RBF(Radial
Basis
Function)神
( K  B( |* }2 _% u% u1 ?% d经网络相融合,提出一种基于 GM-RBF 神经网络的混凝土碳化深度预测模型。 通过仿真分析,GM-RBF 神经
) J1 W& d6 T) o/ }" |网络组合模型比单一模型预测碳化深度的精度更高,在混凝土碳化深度预测中有较好的适用性,拓展了混凝
土碳化深度预测方法及理论。
2 w/ |  O& L8 p9 Q  O9 R