采用BP-ANN模型的梁柱平齐端板连接节点极限抗弯承载力预测研究

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。