- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 563327 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174221
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
|
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 b1 O9 v, S1 R4 O! U, L( M
" ^$ 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 ! M: C! O. t9 l% ^4 C, t9 f; \- N
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 # E0 X9 t% F, Z( N) f1 m' Y- [; F
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 + S/ k/ n; G) c8 L, N" s, N
Basis
3 Z$ n6 i. z! y; BFunction)神 " t% m) [ S1 _( [
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。 3 O2 P0 ?7 U- D0 T+ C
. Q3 j! L4 N+ H! h! [# @ V& I4 X9 W
. D# z& U( m @7 n$ z! m9 Z" \ |
zan
|