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

8 B) a8 e: Q% J1 ?. \4 L/ D9 s+ m
  n7 R! i- b( [7 Q- `9 H0 A

7 K1 _1 W  i) N; v8 ~! `8 h
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
6 m5 M$ E/ k' 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
( F1 q+ }; {  p; `Model)与 RBF(Radial
" r1 R( I7 f5 b. H; R  |& ]+ WBasis
: E; U# c0 s" _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
土碳化深度预测方法及理论。
5 |/ S! M  [) a' K
$ S3 l) w& C: M* l, J0 Q, M# }# N3 ]8 C
& ]8 [" @/ v3 O8 ~