基于试验数据库的神经网络RC柱恢复力预测

作者

王涛周雨晨孟丽岩谢婧怡孙立飞
单位

黑龙江科技大学建筑工程学院
摘要

针对依赖传统的有限元分析方法对建筑结构进行地震响应弹塑性时程分析存在的耗时较长、求解困难、恢复力模型难以处理的问题，将太平洋地震工程研究中心(PEER)收集的253组RC柱在往复拟静力作用下的结构参数和滞回曲线特征参数作为输入向量，训练BP神经网络RC柱恢复力模型，分析不同输入变量参数数量以及不同训练样本数量情况下神经网络结构恢复力的预测精确度。结果表明：输入向量仅考虑RC柱结构参数训练网络恢复力模型时，网络并不能很好地预测恢复力；相对于输入变量考虑三变量时，五变量和八变量下的神经网络预测精度分别提高76.3%、44.4%;随着训练样本数量的增加，神经网络预测精度和训练效率也随之提高，精度最高可提升88.23%。
关键词

神经网络预测RC柱恢复力输入变量参数训练样本数量
基金项目(Foundation)

国家自然科学基金项目(52278173;52078398)；
文章目录

0 引言
1 数据来源与处理
2 RC柱神经网络模型与训练方法
3 神经网络输入变量选择
4 RC柱恢复力预测
4.1 输入变量参数数量的影响
4.2 训练样本数量的影响
5 结论
引用格式

[1]王涛,周雨晨,孟丽岩,等.基于试验数据库的神经网络RC柱恢复力预测[J].黑龙江科技大学学报,2025,35(01):95-102.

煤问提

煤传媒

煤视界

科技创新50强

会员中心