排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
在现有桥梁承载力评价方法的基础之上,针对BP神经网络评价方法的缺陷,引入径向基网络理论,提出了钢管混凝土拱桥承载力径向基网络评价方法.以承载力评价为总体目标,从影响承载力的几个方面进行考虑,建立了RBF神经网络评价模型,通过样本学习训练,获取专家经验知识的直觉思维.通过工程实例验证,评价结果较好地反映了桥梁结构的安全性状况,证明了该评价方法的可行性与实用性. 相似文献
2.
针对以往结构可靠度计算方法的不足,根据结构可靠度理论,引入神经网络理论和Monte-Carlo理论,结合结构有限元分析方法,提出基于有限元-神经网络-Monte-Carlo的结构可靠度计算方法。首先,建立结构有限元法分析模型,随机输入结构参数和荷载值,得到相应的结构响应量,其分析工况的数目有限,但足以训练好神经网络模型。然后,用得到作用效应和结构响应量作为神经网络的训练样本和检验样本。训练并检验神经网络模型,得到高度非线性映射关系的结构作用效应-结构响应模型。利用神经网络的泛化能力,随机产生足够多的结构响应值。最后,用Monte-Carlo法计算结构的可靠度。该方法充分发挥了各方法的优点,相互弥补了不足,在保证结果准确性的前提下,大大提高了计算效率,为结构可靠度计算提供了新的思路。 相似文献
3.
4.
在已有文献有关试验的基础上,引入径向基(RBF)网络理论,提出了型钢高强混凝土柱抗剪承载力RBF神经网络预测方法.以混凝土强度等级、剪跨比、轴压比和配箍率为输入参数,混凝土柱的抗剪承载力为输出参数,建立精确RBF神经网络模型,以多组不同试验数据分别作为训练样本和检验样本,对网络进行训练和检验,并把仿真结果与采用非线性最小二乘法拟合公式的计算结果进行了比较.在文中所提方法的基础上,对型钢高强混凝土的抗剪承载力进行的参数分析结果表明,用训练成熟的RBF网络进行仿真,避免了诸多人为因素的影响,大大提高了结果的精度,使计算更加准确、高效.参数分析还表明,型钢高强混凝土柱的抗剪承载力随着混凝土强度、轴压比和配箍率的增大而增大,但随着剪跨比的增大而减小,并且剪跨比对柱的抗剪能力的影响最大,轴压比、混凝土的强度和配箍率则趋于同等重要影响程度. 相似文献
5.
为提高混凝土桥墩塑性铰区箍筋用量的计算精度,针对已有文献所提出的延性桥墩塑性铰区箍筋用量的近似计算公式的不足,在其基础上,引入径向基网络理论,改进其计算方法.以轴压比、纵筋配筋率、混凝土轴心抗压强度、实测延性系数为输入参数,力学含箍率为输出参数,建立精确径向基网络模型,以多组试验数据为训练样本,对网络进行训练,得到具有高度非线性映射关系的网络模型,通过新的试验数据对网络进行了检验,并与采用非线性最小二乘法拟合公式的计算结果进行了比较.结果表明:用训练成熟的径向基网络进行仿真,避免了诸多人为因素的影响,大大提高了计算结果的精度,使得计算更加准确、高效.因此,径向基网络应用于延性桥墩塑性铰区箍筋用量计算是可行并实用的. 相似文献
6.
BP神经网络和RBF神经网络在墩柱抗震性能评估中的比较研究 总被引:3,自引:0,他引:3
通过仿真实例,对BP神经网络和RBF神经网络在墩柱抗震性能评估中的应用进行了比较研究.训练和仿真结果表明,BP神经网络和RBF神经网络均能很好地对墩柱的延性进行抗震性能评估,并且,在相同精度要求下,RBF神经网络比BP神经网络的训练速度更快,效率更高,充分体现了RBF神经网络的优越性.同时也总结了BP神经网络和RBF神经网络所存在的不足.实际应用中,可以以此结论为指导来设计神经网络. 相似文献
1