以徑向基函數(shù)類神經(jīng)網(wǎng)絡(luò)預(yù)測承受純扭力鋼筋混凝土梁之扭力強(qiáng)度(參考版)
2024-08-15 10:46本頁面
【正文】 ：訓(xùn)練範(fàn)例?：驗(yàn)證範(fàn)例p：測試範(fàn)例(f)21圖5 極限扭力強(qiáng)度預(yù)測模式之預(yù)測值與試驗(yàn)值散布圖。：訓(xùn)練範(fàn)例?：驗(yàn)證範(fàn)例p：測試範(fàn)例(b)204。：訓(xùn)練範(fàn)例?：驗(yàn)證範(fàn)例p：測試範(fàn)例(c)204。壓力區(qū)扭力軸扭力扭力PvyQxPvPvQyz1Qxs圖3 矩形RC梁之斜彎曲理論抗扭機(jī)制受壓混凝土桿Tx1y1箍筋縱向鋼筋裂縫V3qV4V1V2圖4 矩形RC梁之桁架模擬理論抗扭機(jī)制 14204。2Cyx90176。 = 混凝土抗壓強(qiáng)度（單位：MPa）s = 抗扭閉合箍筋之間距（單位：mm）50215At = 抗扭閉合箍筋一支之?dāng)嗝娣e（單位：mm2）fty = 抗扭閉合箍筋之降伏強(qiáng)度（單位：MPa）Al = 縱向鋼筋面積（單位：mm2）3813438fyl = 縱向鋼筋之降伏強(qiáng)度（單位：MPa）638rs = (Atph)/(xys)（抗扭閉合箍比）（單位：%）rl = Al/(xys)（單位：%）Tu = 極限扭力強(qiáng)度（kNm）表3 類神經(jīng)網(wǎng)絡(luò)模式之架構(gòu)模式編號輸入?yún)?shù)輸出參數(shù)神經(jīng)元數(shù)目輸入層隱藏層輸出層MLP1281Tu1281MLP1031Tu1031MLP531Tu531RBF12461Tu12461RBF10221Tu10221RBF5281Tu5281表4 各種預(yù)測模式之判定系數(shù)與誤差均方根預(yù)測模式判定系數(shù)(R2)誤差均方根(RMSE): kNm訓(xùn)練范例驗(yàn)證范例測試范例訓(xùn)練范例驗(yàn)證范例測試范例ACI 31889ACI 31802Bhatti等之模式MLP1281MLP1031MLP531RBF12461RBF10221RBF5281 表5 各種預(yù)測模式之平均值、標(biāo)準(zhǔn)偏差與變異系數(shù)預(yù)測模式平均值(AVG)標(biāo)準(zhǔn)偏差(STD)變異系數(shù)(COV)訓(xùn)練范例驗(yàn)證范例測試范例訓(xùn)練范例驗(yàn)證范例測試范例訓(xùn)練范例驗(yàn)證范例測試范例ACI 31889ACI 31802Bhatti等之模式MLP1281MLP1031MLP531RBF12461RBF10221RBF5281至徑向基函數(shù)中心之距離可接受範(fàn)圍高斯函數(shù)y=f(x。(MPa)s(mm)At(mm2)fyt(MPa)Al(mm2)fyl(MPa)pt(%)pl(%)Tn(kNm)范例種類資料來源H0606350500300450100440440測試文獻(xiàn)23H0612350500300450100440410驗(yàn)證H121235050030045050440410測試H1216350500300450504402865520訓(xùn)練H2020350500300450554403438560訓(xùn)練H0710350500300450904201719500測試H1410350500300450803601719500訓(xùn)練H0716350500300450904202865500測試N0606350500300450100440440訓(xùn)練N0612350500300450100440410訓(xùn)練N121235050030045050440410測試N1216350500300450504402865520驗(yàn)證N2020350500300450554403438560驗(yàn)證N0710350500300450904201719500測試N1410350500300450803601719500訓(xùn)練N0716350500300450904202865500測試B5UR1203305165267108373386測試文獻(xiàn)24B7UR1203305165267108399386驗(yàn)證B9UR120330516526775108373386驗(yàn)證B12UR1203305165267108399386驗(yàn)證B14UR1203305165267108386386訓(xùn)練B12UR2203305165267102386386測試B12UR320330516526795386373訓(xùn)練B12UR420330516526790386373訓(xùn)練B12UR520330516526770386380訓(xùn)練16027513024590665620測試文獻(xiàn)2516027513024590669638訓(xùn)練16027513024590672605驗(yàn)證16027513024590665612訓(xùn)練16027513024590665614測試16027513024590665612訓(xùn)練16027513024590658617測試16027513024590656614訓(xùn)練16027513024590663617訓(xùn)練16027513024590655618訓(xùn)練16027513024510590660634訓(xùn)練16027513024590655629驗(yàn)證 表1 實(shí)際試驗(yàn)數(shù)據(jù)（續(xù)）No.x(mm)y(mm)x1(mm)y2(mm)fc39。7. Welstead, ., Neural Network and Fuzzy Logic Applications in C/C++, John Wiley amp。六、謝志本文為國科會專題研究計(jì)劃(編號NSC922211E230004)之部分研究成果，特此申謝。3. 所建構(gòu)之類神經(jīng)網(wǎng)絡(luò)分析模式可有效評估含腹筋鋼筋混凝土梁之極限扭力，不僅其適用范圍涵蓋普通強(qiáng)度與高強(qiáng)度混凝土，而且其預(yù)測結(jié)果優(yōu)于現(xiàn)有之分析模式。五、結(jié)論綜合以上之分析與比較，可獲得下列結(jié)論：1. 依據(jù)訓(xùn)練范例、驗(yàn)證范例及測試范例之誤差均方根與判定系數(shù)，本研究所建構(gòu)之類神經(jīng)網(wǎng)絡(luò)分析模式之輸入變量與輸出變量間存在著密切的關(guān)系，即應(yīng)用類神經(jīng)網(wǎng)絡(luò)可有效預(yù)測含腹筋鋼筋混凝土梁的扭力強(qiáng)度。另外，這九個預(yù)測模式對Texp/Tpred的平均數(shù)數(shù)值（AVG）、標(biāo)準(zhǔn)偏
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1