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

' r9 i9 o' E5 u) D7 o0 `/ F& F
) ?- e9 b9 J  O6 J5 E& v' {
' V8 J" R$ t5 D6 V5 b

" ^$ M3 q) g7 ~' a4 C! S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
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
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
# E* x7 E1 I4 F; ?/ PModel)与 RBF(Radial
Basis
3 Z$ n6 i. z! y; BFunction)神
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
3 g0 ^( k) K: n% h' N) W2 x" J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
$ [8 {: [: B! A+ }% V: {8 g土碳化深度预测方法及理论。

. Q3 j! L4 N+ H! h! [# @  V& I4 X9 W
. D# z& U( m  @7 n$ z! m9 Z" \