| 摘 要： | 目的:针对采用纤维增强复合材料加固的钢筋混凝土结构,本文旨在运用机器学习方法取代目前广泛使用的半经验-半分析理论公式,以准确预测该类加固结构中表层嵌贴纤维增强复合材料(CFRP)板条与混凝土界面的粘结强度。创新点:1.建立反向传播人工神经网络(BPNN)预测表层嵌贴CFRP板与混凝土界面的粘结强度。2.采用基于Garson算法和连接权重算法的神经解释图(NID)定量分析神经网络中各个输入变量的重要性。方法:1.从作者课题组完成的实验和已发表的文献中收集共163组表层嵌贴CFRP-混凝土单剪实验结果,并形成数据集。2.运用建立的数据集训练和测试BPNN,构建实验参数与界面粘结强度间的非线性映射关系及预测模型。3.基于Garson算法和连接权重算法分别计算神经网络输入变量的重要性,并通过NID分析数据集中有重要影响的输入变量和无效输入变量。结论:1.建立的BPNN模型得出的预测结果与实验数据吻合良好,预测值与真实值之间的决定系数在整个数据集中的表现为0.957。2.通过删除数据集中的无效输入变量可提高BPNN的计算效率和准确性。3.与现有的半经验-半分析理论公式相比,本文建立的BPNN模型可以得出更准确的估计。
|
