型钢混凝土柱位移延性系数的BP网络预测  

Prediction of Displacement Ductility Factor of Steel Reinforced Concrete Columns Based on BP Network

作　　者：杨勇[1] 张志伟[1] 郭子雄[1] 

机构地区：[1]华侨大学土木工程学院,福建泉州362021

出　　处：《华侨大学学报（自然科学版）》2007年第4期418-421,共4页Journal of Huaqiao University(Natural Science)

基　　金：国家自然科学基金项目(50478120);中国博士后科研基金资助项目(2005037062);福建省自然科学基金资助项目(E0540006);福建省青年科技人才创新项目(20051032)

摘　　要：通过对61根型钢混凝土柱试验数据的整理,利用神经网络原理建立5-6-1型反向传播(BP)神经网络模型,分析不同参数对型钢混凝土柱位移延性系数的影响.分析及预测结果表明,学习样本和测试样本的预测值与实验值之比的均值分别为1.000 6,0.998 0;标准差分别为0.020 3,0.059 6,预测值与试验值吻合良好.当轴压力系数增加到0.42以后,位移延性的变化较小;体积配箍率增加到1.9%后,位移延性的增长减缓;当剪跨比小于1.5时,型钢混凝土柱的延性系数随剪跨比的增加而提高;但当剪跨比大于1.5时,随着剪跨比的增加,型钢混凝土柱位移延性系数有所降低.Based on the test data of 61 steel reinforced concrete columns, a model with 5 input layers, 6 implicit layers and 1 output layer （5-6-1） is developed to analyze the influence of various parameters on displacement ductility by the principle of back propagation （BP） neural network. The ratio of prediction value to experimental value is 1. 000 6 for the learning samples, 0. 998 0 for the testing samples; the standard deviation is 0. 020 0 and 0. 059 6 respectively, indicating that the prediction results conform well to the test results. When the axial compression ratio increases more than 0.42, the variation of the displacement ductility ratios is small; when the stirrup ratio per unit volume increases more than 1.9%, the displacement ductility increases slowly; with increasing the shear span ratio 2 , the displacement ductility increases for λ〈1.5, decreases for ,λ〉1.5.

关 键 词：型钢混凝土柱 反向传播神经网络 位移延性 预测 抗震性能 

分 类 号：TU378.302[建筑科学—结构工程] TP183[自动化与计算机技术—控制理论与控制工程]