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

9 g2 {" g! p0 @& h% K
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
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
9 k* N% k  ?* b. J# K1 Z9 BModel)与 RBF(Radial
9 p/ f+ Y+ H8 LBasis
9 Q' B4 h9 e& C% [4 V0 G8 l" y- ZFunction)神
6 J7 L0 q0 `" C! @# e/ ~# C5 j9 ]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
5 B2 b0 K8 Y9 ^) b$ l+ m) z8 l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
. b, B, a9 f+ ]- k& \土碳化深度预测方法及理论。