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

* X% w- l1 }# z- S  x) @
& D- Z+ P9 Y- w. q% l7 a


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
) x5 i- I  j4 d) 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
. D! S0 V% \8 hModel)与 RBF(Radial
, [8 p/ P7 s# q; GBasis
6 T! Q8 v5 `8 w3 Q) |, {3 Z) zFunction)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 H6 r0 i9 d( F+ 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
土碳化深度预测方法及理论。
0 E2 @# y4 v2 z3 j" @% h

8 Q8 k7 j. t8 s8 w$ m