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

& k0 y3 B/ t5 C1 c: t$ i! E



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
) L% w$ w" F: f/ K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
5 j- \5 j' d* {! J. z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
0 E; |+ T( t$ j9 E0 @Model)与 RBF(Radial
, Q3 e+ x3 x! Y" EBasis
Function)神
$ E5 E1 S3 c- w$ \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
  E  u( B' i8 n# ~6 s* {- G: q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
8 I& f5 i3 r4 E3 a/ i土碳化深度预测方法及理论。
9 B7 L: u8 w0 h/ m- I