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

, W8 v0 I/ N: O  L$ S. w) A9 b
0 I  p( v9 R) M7 L/ I+ |' `

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
  E1 G, o' L- q* _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
Model)与 RBF(Radial
' t/ r" M) \9 o2 }# d8 a( GBasis
, G0 F2 Q( x5 j3 f/ |4 MFunction)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
- Z0 k5 z* z3 v! U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
: [  D: g7 ~4 w, o$ i土碳化深度预测方法及理论。