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

3 H6 g! O6 a  S! D0 v3 M# B" F$ Y

' [: t/ V1 n% V) ?3 s  I) r
' `0 y! k7 ^" ?3 R/ I3 i' K3 j
0 A3 s# \% l6 [" m! \: {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
1 B) z& X2 v2 [' q' s8 U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
5 N4 U$ H& N4 ?, NModel)与 RBF(Radial
' z' h* g/ t) |9 j+ u/ WBasis
" s& S' V3 m. E# ~+ T6 p4 BFunction)神
6 P% S9 t# \0 H8 a) U. S) e5 G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
+ P  v: ~2 k" h3 ?( W) {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。
; p9 M& k' q9 t5 S' @9 z

. i: O) i0 F( v# U, h3 V( c