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

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

Show other versions (1)

由于圆中空夹层钢管混凝土（CFDST）柱的承载力受多种参数和钢管与混凝土之间复杂的非线性相互作用影响。为此，本文采用PSO-BP混合神经网络算法对圆CFDST的轴压承载力进行了研究。挑选了167组数据建立数据库，选取8种影响因素作为输入层参数和轴压承载力作为输出层参数，分别建立了BP神经网络模型和PSO-BP神经网络模型。此外，将两个机器学习模型与三种规范进行比较，表明两种机器学习模型比三种规范有着更高的精度。其中，PSO-BP神经网络模型有着最好的预测性能，更有助于预测CFDST的轴压承载力，对工程上研究CDFST柱的力学性能有着重要意义。...

Full description

Saved in:
Bibliographic Details
Main Authors: 赵均海, 华林炜, 王昱
Format: Article
Language:zho
Published: Editorial Department of Progress in Steel Building Structures, Tongji University 2023-01-01
Series:Jianzhu Gangjiegou Jinzhan
Subjects:
BP神经网络
粒子群优化算法
中空夹层钢管混凝土柱
承载力
Online Access:http://steelpro.tongji.edu.cn/thesisDetails?columnId=43739189&Fpath=home&index=0
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:由于圆中空夹层钢管混凝土（CFDST）柱的承载力受多种参数和钢管与混凝土之间复杂的非线性相互作用影响。为此，本文采用PSO-BP混合神经网络算法对圆CFDST的轴压承载力进行了研究。挑选了167组数据建立数据库，选取8种影响因素作为输入层参数和轴压承载力作为输出层参数，分别建立了BP神经网络模型和PSO-BP神经网络模型。此外，将两个机器学习模型与三种规范进行比较，表明两种机器学习模型比三种规范有着更高的精度。其中，PSO-BP神经网络模型有着最好的预测性能，更有助于预测CFDST的轴压承载力，对工程上研究CDFST柱的力学性能有着重要意义。
ISSN:1671-9379

Similar Items