ＢＰ神经网络在方形钢管砼承载力预测中的应用

李兴权　孙晓燕　尹　松　陈　伟

摘要：本文利用人工神经网络建立了方形钢管混凝土的神经网络BP模型。对方钢管混凝土轴压短柱，选取试件长度、截面的宽度、钢管的厚度、混凝土的抗压强度及钢材的屈服强度5个影响轴压短柱极限承载力的主要因素作为输入单元，选用45组数据作为训练集，8组数据作为测试集，建立了一个3层的BP神经网络预测模型，仿真预测结果要比现有计算理论更准确。

关键词：矩形钢管混凝土；BP神经网络；极限承载力

本文在采用大量的国内外试验数据的基础上，建立了方形钢管混凝土的神经网络BP模型，对轴心受压构件的极限承载力进行了预测。

1网络模型的建立

根据已有的研究成果[1.2]和分析相关的试验数据，发现影响方钢管混凝土轴心受压柱极限承载力的主要因素有试件长度、截面的宽度、钢管的厚度、混凝土的抗压强度及钢材的屈服强度等。所以本文选择了输入层为5个节点的BP网络结构作为承载力训练模型。通过程序的反复调试和综合考虑网络的各个参数选择一个隐含层，隐含层的节点数为13个。其拓扑结构为5-13-1[3]。

2训练网络模型

本文采用收集到的66组数据[4]进行网络模型训练。试件宽厚比为20.3-74.8；试件的长细比为3.0-27.7；混凝土强度为16.3-78.2MPa。输入、输出层变换函数选择线性，隐含层采用双曲线正切S型变换函数，采用收敛速度最快的Trainlm训练算法，取学习效率lr=0.6，惯性因子a=0.5，最大训练步数epochs=2000，控制误差goal=0.001。训练之前对数据做归一化处理，这样便于网络快速收敛[5]。训练的误差随学习次数的变化曲线如图1所示，这时训练679次停止，误差基本趋向稳定，达到最好训练效果。训练结果的最大误差为20.03%，绝对平均误差为4.94%，方差为6.73%。说明训练得到的神经网络模型可以用来进行仿真预测，结果要比现有计算理论更准确。

3网络模型仿真预测

采用训练好的网络模型对其它与训练数据无关的8组试验数据进行了测试，预测结果见表1，其中第2、8组数据误差超过10%，分析原因是试验数据本身明显偏离了真实值。除此之外，网络预测结果与试验值的误差为5%左右，说明网络训练成功，具有一定的泛化性。

4小结

本文建立了预测轴心受压方形钢管混凝土承载力的神经网络模型，通过与试验值、数值计算值的比较表明该网络模型更快、更准确地计算出方形钢管混凝土的承载力，并提供了一种新的方法。随着试验数据的增加和试验参数范围的扩大，必将建立起更加完整、更广泛的神经网络预测系统，提高网络的预测精度，以便在实际工程中推广应用。

考文献：

[1]陶忠.方钢管混凝土轴压力学性能的理论分析与试验研究.土木工程学报,2001,34（2）：17-25.

[2]王海军,尚作庆等.方钢管砼柱轴压力学性能的研究.沈阳工业大学学报,2005,27（1）：98-102.

[3]姜绍飞.基于神经网络的结构分析与设计.沈阳建筑工程学报.2001.17（4）:255-258.

[4]高华国.矩形钢管混凝土构件的优化设计研究[硕士论文].沈阳:沈阳工业大学,2006.

[5]罗汉成.基于MATLAB神经网络工具箱的BP网络实现.计算机仿真，2004，21（5）：109-111.