基于径向基网络的混凝土碳化深度预测  

Based on Radial Basis Networks Concrete Carbonation Depth Prediction

作　　者：甘海龙[1] 谢肖礼[2] 

机构地区：[1]广西机电职业技术学院,南宁530007 [2]广西大学,南宁530001

出　　处：《煤炭技术》2013年第7期90-91,共2页Coal Technology

基　　金：广西教育厅高校科研立项项目(201106LX665)

摘　　要：为了精确的预测混凝土的碳化深度,利用径向基网络良好的非线性逼近计算能力,建立了具有3个隐含层的混凝土碳化深度神经网络,通过对该神经网络的训练预测既有钢筋混凝土结构的碳化深度,结果表明:径向基网络的预测值完全满足精度要求,该方法可以应用于既有结构的混凝土碳化深度预测。In order to accurately forecast the depth of carbonation of concrete , the use of radial basis network the nonlinear approximation computing power , concrete carbonation depth with three hidden layer neural network , through the training of the neural network to predict both reinforced concrete carbonation ：depth of the structure , and the results show that ： the predictive value of the radial basis function network fully meet the accuracy requirements , the method can be applied to both structural concrete carbonation depth prediction.

关 键 词：碳化深度 钢筋锈蚀 径向基网络 既有混凝土结构 

分 类 号：TU64[建筑科学—建筑技术科学]