应用RBF神经网络的预应力混凝土碳化深度预测研究  

Study on carbonation depth prediction of prestressed concrete based on RBF neural network

作　　者：陆春华[1] 刘荣桂[1] 

机构地区：[1]江苏大学理学院土木系,江苏镇江212013

出　　处：《四川建筑科学研究》2007年第4期81-85,共5页Sichuan Building Science

基　　金：国家自然科学基金资助项目(50478089);江苏省自然科学基金资助项目(BK2003050)

摘　　要：在现有混凝土碳化研究成果基础上,建立了预应力混凝土碳化预测模型。随后,运用径向基函数神经网络的基本原理,通过对影响预应力混凝土碳化深度因素的分析,建立了预测碳化深度的RBF和GRNN网络模型。通过实例进行了分析计算和预测,预测结果具有较高的精度。可以说,人工神经网络预测方法是一种可同时考虑各种影响因素组合、行之有效的混凝土碳化预测分析方法。A new carbonation model of prestressed concrete is built on the basis of present research achievements of carbonation. Then, based on the main principle of RBF neural network, the affecting elements of carbonation depth are analyzed; and the RBF and GRNN models of predicting carbonation depth are founded. By means of neural network toolbox of MATLAB, an example is analyzed, and the results are accurate. In words, ANN is an effective method in analyzing and predicting carbonation depth.

关 键 词：预应力混凝土 碳化 RBF神经网络 GRNN神经网络 

分 类 号：TU378[建筑科学—结构工程]