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

& R+ F3 Z4 a6 p1 s

( x. W! X- H' d( M( ~7 H# B

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
1 H% Y  f& P" R" |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
# S2 {; [) X+ [9 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
Model)与 RBF(Radial
( M3 {! [, k+ ^9 E5 w7 fBasis
# A( t' ~. S/ m# G) q' q# _Function)神
. Y% e3 @. ]3 q: m) o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
5 U0 Y8 D! a3 i: J) \2 J' q+ m; [土碳化深度预测方法及理论。