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 Z9 y  s2 J( I+ k) a3 J. l

( b' n" }7 i' ~5 P

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
' P; d/ w  D0 Q. U" g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
' t9 _4 d; ^+ M4 X6 ~" X0 s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
2 ~4 q7 ~# I& X: [1 _4 J9 m0 i' YFunction)神
9 _( I* A3 X8 m/ H) L: w! [. ^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
土碳化深度预测方法及理论。
& h2 M, K7 a; g& f3 F

- U( H2 Z( |  Y0 ]7 w7 y5 ?* k