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

2 A. p) g2 x' S+ f" ]2 h
0 o) N7 f1 |9 L/ R* v* _6 t1 ^
, [( e  Z5 Z9 B: }0 r) d
  q. W% |- `! E& A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
/ S% c* E5 L, d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
* g+ h) x. E1 U  X8 XModel)与 RBF(Radial
Basis
Function)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
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
9 P  E0 a+ x9 A* I; B3 V土碳化深度预测方法及理论。


- v0 N$ U! x% u