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

' Q, L3 i* z( l. Q/ M

& H+ i) x8 s* M2 I* `' Q
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
6 M& d3 f$ j8 }6 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
$ p+ c1 y! u, E; y/ ^1 C8 |& Q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
Basis
3 |+ S6 U/ v% F! K" [# FFunction)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
( o5 m% k3 M3 R+ |# ]- u  V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 Z% z' g: I* l

0 ^8 ~+ Y5 n( k- J: A