基于粒子群优化BP神经网络的中空夹层钢管混凝土柱轴压承载力研究
圆中空夹层钢管混凝土（concrete filled double-skin steel tube，CFDST）柱因其独特的结构形式与优异的力学性能，已成为现代工程结构中的主要受力构件。然而外钢管、内钢管与核心混凝土之间的相互约束作用导致其受力比较复杂。为此，采用PSO-BP混合神经网络算法对圆CFDST柱的轴压承载力进行了研究。收集了167组数据建立数据库，并选取8种影响因素作为输入层参数，轴压承载力作为输出层参数，分析了传统BP神经网络模型所存在的缺陷，建立了PSO-BP神经网络模型。此外，将机器学习模型与3种规范的结果进行比较，结果表明机器学习模型的精度比3种规范的精度更高。相较于BP神...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
Editorial Department of Progress in Steel Building Structures, Tongji University
2024-09-01
|
| Series: | Jianzhu Gangjiegou Jinzhan |
| Subjects: | |
| Online Access: | http://steelpro.tongji.edu.cn/thesisDetails#10.13969/j.cnki.cn31-1893.2024.09.005 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1841529151090065408 |
|---|---|
| author | 赵均海 华林炜 王昱 |
| author_facet | 赵均海 华林炜 王昱 |
| author_sort | 赵均海 |
| collection | DOAJ |
| description | 圆中空夹层钢管混凝土（concrete filled double-skin steel tube，CFDST）柱因其独特的结构形式与优异的力学性能，已成为现代工程结构中的主要受力构件。然而外钢管、内钢管与核心混凝土之间的相互约束作用导致其受力比较复杂。为此，采用PSO-BP混合神经网络算法对圆CFDST柱的轴压承载力进行了研究。收集了167组数据建立数据库，并选取8种影响因素作为输入层参数，轴压承载力作为输出层参数，分析了传统BP神经网络模型所存在的缺陷，建立了PSO-BP神经网络模型。此外，将机器学习模型与3种规范的结果进行比较，结果表明机器学习模型的精度比3种规范的精度更高。相较于BP神经网络模型，PSO-BP神经网络模型具有更好的预测能力，更有助于预测CFDST柱的轴压承载力，对工程上研究CFDST柱的力学性能有着重要意义。 |
| format | Article |
| id | doaj-art-20d512be81e4410aaf74cb439d0d8769 |
| institution | Kabale University |
| issn | 1671-9379 |
| language | zho |
| publishDate | 2024-09-01 |
| publisher | Editorial Department of Progress in Steel Building Structures, Tongji University |
| record_format | Article |
| series | Jianzhu Gangjiegou Jinzhan |
| spelling | doaj-art-20d512be81e4410aaf74cb439d0d87692025-01-15T03:22:59ZzhoEditorial Department of Progress in Steel Building Structures, Tongji UniversityJianzhu Gangjiegou Jinzhan1671-93792024-09-0126455272797616基于粒子群优化BP神经网络的中空夹层钢管混凝土柱轴压承载力研究赵均海华林炜王昱圆中空夹层钢管混凝土（concrete filled double-skin steel tube，CFDST）柱因其独特的结构形式与优异的力学性能，已成为现代工程结构中的主要受力构件。然而外钢管、内钢管与核心混凝土之间的相互约束作用导致其受力比较复杂。为此，采用PSO-BP混合神经网络算法对圆CFDST柱的轴压承载力进行了研究。收集了167组数据建立数据库，并选取8种影响因素作为输入层参数，轴压承载力作为输出层参数，分析了传统BP神经网络模型所存在的缺陷，建立了PSO-BP神经网络模型。此外，将机器学习模型与3种规范的结果进行比较，结果表明机器学习模型的精度比3种规范的精度更高。相较于BP神经网络模型，PSO-BP神经网络模型具有更好的预测能力，更有助于预测CFDST柱的轴压承载力，对工程上研究CFDST柱的力学性能有着重要意义。http://steelpro.tongji.edu.cn/thesisDetails#10.13969/j.cnki.cn31-1893.2024.09.005BP神经网络粒子群优化算法中空夹层钢管混凝土柱轴压承载力机器学习模型 |
| spellingShingle | 赵均海 华林炜 王昱 基于粒子群优化BP神经网络的中空夹层钢管混凝土柱轴压承载力研究 Jianzhu Gangjiegou Jinzhan BP神经网络 粒子群优化算法 中空夹层钢管混凝土柱 轴压承载力 机器学习模型 |
| title | 基于粒子群优化BP神经网络的中空夹层钢管混凝土柱轴压承载力研究 |
| title_full | 基于粒子群优化BP神经网络的中空夹层钢管混凝土柱轴压承载力研究 |
| title_fullStr | 基于粒子群优化BP神经网络的中空夹层钢管混凝土柱轴压承载力研究 |
| title_full_unstemmed | 基于粒子群优化BP神经网络的中空夹层钢管混凝土柱轴压承载力研究 |
| title_short | 基于粒子群优化BP神经网络的中空夹层钢管混凝土柱轴压承载力研究 |
| title_sort | 基于粒子群优化bp神经网络的中空夹层钢管混凝土柱轴压承载力研究 |
| topic | BP神经网络 粒子群优化算法 中空夹层钢管混凝土柱 轴压承载力 机器学习模型 |
| url | http://steelpro.tongji.edu.cn/thesisDetails#10.13969/j.cnki.cn31-1893.2024.09.005 |
| work_keys_str_mv | AT zhàojūnhǎi jīyúlìziqúnyōuhuàbpshénjīngwǎngluòdezhōngkōngjiācénggāngguǎnhùnníngtǔzhùzhóuyāchéngzàilìyánjiū AT huálínwěi jīyúlìziqúnyōuhuàbpshénjīngwǎngluòdezhōngkōngjiācénggāngguǎnhùnníngtǔzhùzhóuyāchéngzàilìyánjiū AT wángyù jīyúlìziqúnyōuhuàbpshénjīngwǎngluòdezhōngkōngjiācénggāngguǎnhùnníngtǔzhùzhóuyāchéngzàilìyánjiū |