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 z3 t0 Y8 b5 v6 ]
% c: O  }% C2 Q
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
8 ?  u4 S1 @% |7 {- ?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
* z1 ^" U* ~6 Q' @! [! o& \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
" u0 T; V- z" O! T6 P# B+ a* iModel)与 RBF(Radial
" `3 s3 A5 E- g! H. bBasis
& b  {% \# Q0 B0 A# FFunction)神
: K4 F/ D; u( K: ]9 N; m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
& J/ Z# @/ N' v- q0 D4 Q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。
) ~# _$ P& ?' t0 I2 v) x3 t) l

8 [: Y9 `/ `  x& N9 N6 J- H: f+ y