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

# x' v) i* I5 c1 X# K9 B  u



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
" k5 z" g( S; ~5 w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
( G9 c0 y0 ], K' L7 f, W) g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
" n: _$ h) k6 c' r1 u4 cModel)与 RBF(Radial
Basis
8 i9 W1 H9 d3 _4 T& g/ b  EFunction)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
: {' ^2 \2 g: [8 b! Z/ X0 s0 F, Y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。


( E( |5 z' E  O* j