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

4 X1 d. M: Y+ W3 I( u' d
7 m; a: O* J; K; N7 w/ E
  N: x! {; i4 E$ B$ X, y7 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
( M# I: E' }3 G" v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
( l; N, E- C+ |5 AModel)与 RBF(Radial
Basis
Function)神
+ `& a3 V6 n6 U! ?. t( |4 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
% K8 c% w# Q( ]: {! d& \" v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。