ＢＰ神經網絡在方形鋼管砼承載力預測中的應用

李興權　孫曉燕　尹　松　陳　偉

摘要：本文利用人工神經網絡建立了方形鋼管混凝土的神經網絡BP模型。對方鋼管混凝土軸壓短柱，選取試件長度、截面的寬度、鋼管的厚度、混凝土的抗壓強度及鋼材的屈服強度5個影響軸壓短柱極限承載力的主要因素作為輸入單元，選用45組數據作為訓練集，8組數據作為測試集，建立了一個3層的BP神經網絡預測模型，仿真預測結果要比現有計算理論更準確。

關鍵詞：矩形鋼管混凝土；BP神經網絡；極限承載力

本文在采用大量的國內外試驗數據的基礎上，建立了方形鋼管混凝土的神經網絡BP模型，對軸心受壓構件的極限承載力進行了預測。

1網絡模型的建立

根據已有的研究成果[1.2]和分析相關的試驗數據，發現影響方鋼管混凝土軸心受壓柱極限承載力的主要因素有試件長度、截面的寬度、鋼管的厚度、混凝土的抗壓強度及鋼材的屈服強度等。所以本文選擇了輸入層為5個節點的BP網絡結構作為承載力訓練模型。通過程序的反復調試和綜合考慮網絡的各個參數選擇一個隱含層，隱含層的節點數為13個。其拓撲結構為5-13-1[3]。

2訓練網絡模型

本文采用收集到的66組數據[4]進行網絡模型訓練。試件寬厚比為20.3-74.8；試件的長細比為3.0-27.7；混凝土強度為16.3-78.2MPa。輸入、輸出層變換函數選擇線性，隱含層采用雙曲線正切S型變換函數，采用收斂速度最快的Trainlm訓練算法，取學習效率lr=0.6，慣性因子a=0.5，最大訓練步數epochs=2000，控制誤差goal=0.001。訓練之前對數據做歸一化處理，這樣便于網絡快速收斂[5]。訓練的誤差隨學習次數的變化曲線如圖1所示，這時訓練679次停止，誤差基本趨向穩定，達到最好訓練效果。訓練結果的最大誤差為20.03%，絕對平均誤差為4.94%，方差為6.73%。說明訓練得到的神經網絡模型可以用來進行仿真預測，結果要比現有計算理論更準確。

3網絡模型仿真預測

采用訓練好的網絡模型對其它與訓練數據無關的8組試驗數據進行了測試，預測結果見表1，其中第2、8組數據誤差超過10%，分析原因是試驗數據本身明顯偏離了真實值。除此之外，網絡預測結果與試驗值的誤差為5%左右，說明網絡訓練成功，具有一定的泛化性。

4小結

本文建立了預測軸心受壓方形鋼管混凝土承載力的神經網絡模型，通過與試驗值、數值計算值的比較表明該網絡模型更快、更準確地計算出方形鋼管混凝土的承載力，并提供了一種新的方法。隨著試驗數據的增加和試驗參數范圍的擴大，必將建立起更加完整、更廣泛的神經網絡預測系統，提高網絡的預測精度，以便在實際工程中推廣應用。

考文獻：

[1]陶忠.方鋼管混凝土軸壓力學性能的理論分析與試驗研究.土木工程學報,2001,34（2）：17-25.

[2]王海軍,尚作慶等.方鋼管砼柱軸壓力學性能的研究.沈陽工業大學學報,2005,27（1）：98-102.

[3]姜紹飛.基于神經網絡的結構分析與設計.沈陽建筑工程學報.2001.17（4）:255-258.

[4]高華國.矩形鋼管混凝土構件的優化設計研究[碩士論文].沈陽:沈陽工業大學,2006.

[5]羅漢成.基于MATLAB神經網絡工具箱的BP網絡實現.計算機仿真，2004，21（5）：109-111.