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

. Y1 G$ C% x) P( {4 N% I7 `/ m: r2 L


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
0 [$ K' H1 @$ O& \5 _" U7 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
8 v8 L: l/ H- J7 d$ R# K+ X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
; O4 N9 t. r! z6 x4 X3 F* gFunction)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 }* V  c$ f2 w; h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 Y0 f# E+ k+ W( F3 n土碳化深度预测方法及理论。