-
题名基于GRNN神经网络的钢筋混凝土柱耗能能力预测
- 1
-
-
作者
周祥
曾森
董一韩
-
机构
青岛理工大学土木工程学院
-
出处
《低温建筑技术》
2023年第4期116-120,共5页
-
文摘
耗能能力是衡量钢筋混凝土柱(RC柱)抗震性能的重要指标,有限元模拟和试验法存在耗时耗力、成本高等问题。为此,文中提出了基于GRNN神经网络的RC柱耗能能力预测方法。从PEER数据库选取212组矩形柱,采用等效粘滞阻尼系数作为评价耗能能力的指标,利用MATLAB软件计算RC柱的滞回环面积和等效粘滞阻尼系数,通过SPSS显著性试验的方法评估影响RC柱等效粘滞阻尼系数的主要因素,建立RC柱等效粘滞阻尼系数神经网络预测模型。结果表明GRNN神经网络具有很好的表现,模型在测试集上的平均相对误差为21.33%,决定系数为0.792,等效粘滞阻尼系数预测值曲线与真实值曲线接近,具有良好的应用价值。
-
关键词
钢筋混凝土柱
GRNN神经网络
耗能能力预测
等效粘滞阻尼系数
-
Keywords
reinforced concrete column
GRNN neural network
energy consumption capacity prediction
equiva⁃lent viscous damping coefficient
-
分类号
TU375.3
[建筑科学—结构工程]
-
