排序方式： 共有21条查询结果，搜索用时 0 毫秒
21.
筛选文献中报道的143组试验数据，采用误差反向传播人工神经网络(BP-ANN)建立和训练了1个2层BP-ANN模型，对梁柱平齐端板连接节点的极限抗弯承载力进行了预测。该模型利用20个组件特征参数作为输入，以极限抗弯承载力作为输出。通过与传统机器学习算法预测结果对比，验证了方法和模型的有效性，并依据模型推导出一个实用简化的极限抗弯承载力数学表达式。统计分析结果显示：经过训练的BP-ANN模型，在测试集上的平均绝对百分比误差(MAPE)为5.28%,均方误差(MSE)为5.79×10-4。另外，对特征参数进行敏感性分析，得到了组件特征对节点极限抗弯承载力的影响程度。研究结果表明：采用BP-ANN模型能够综合考虑组件特征对节点极限抗弯承载力的影响，预测结果较为准确；该模型为梁柱连接性能评估和改进提供了智能化的解决方案，可作为数值模拟和结构试验研究的有力补充。 相似文献