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

7 p8 N! t$ [. Z; n" q: ~6 j% f
+ G, v- F- ?) F' M+ s5 h4 ~9 Y+ o: w5 s
8 n* @! w% {3 i% S- m! e& |- }
; z! |, E2 W5 E+ ?5 L: S" l
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
$ s* |% k) m* c3 z: _* G: g+ v7 n$ B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
Function)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
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
! P1 g! {" N! Z- b( a2 K" i土碳化深度预测方法及理论。
0 C$ {" ~1 l# |& [9 C
8 k. o+ B; u' q. E0 \) E7 l
9 m- p6 L# S9 z6 ^: X- k  b& k. A1 x