压弯钢筋混凝土柱正截面极限承载力的预测——基于BP神经网络技术

华南理工大学学报（自然科学版） ›› 2005, Vol. 33 ›› Issue (8): 80-82,94.

压弯钢筋混凝土柱正截面极限承载力的预测——基于BP神经网络技术

焦俊婷¹叶英华¹刁波¹于霖冲²

1. 北京航空航天大学土木工程系, 北京 100083; 2. 嘉应学院土木工程系, 广东梅州 514015

收稿日期:2004-11-08 出版日期:2005-08-25 发布日期:2005-08-25
通信作者: 焦俊婷(1968-) ,女,副教授,博士生,主要从事钢筋混凝土结构非线性研究. E-mail:ylc@jyu. edu. cn
作者简介:焦俊婷(1968-) ,女,副教授,博士生,主要从事钢筋混凝土结构非线性研究.
基金资助:
国家自然科学基金资助项目(50178008)

Forecasting of the Terminal Bearing Capacity in Sections of Reinforced Concrete Column Under Bending and Compression:On the Basis of BP Neural Network

Jiao Jun-ting¹Ye Ying-hua¹Diao Bo¹Yu Lin-chong²

1. Dept. of Civil Engineering, Beijing Univ. of Aeronautics & Astronautics, Beijing 100083, China;2. Dept. of Civil Engineering, J iaying Univ. , Meizhou 514015, Guangdong, China)

Received:2004-11-08 Online:2005-08-25 Published:2005-08-25
Contact: 焦俊婷(1968-) ,女,副教授,博士生,主要从事钢筋混凝土结构非线性研究. E-mail:ylc@jyu. edu. cn
About author:焦俊婷(1968-) ,女,副教授,博士生,主要从事钢筋混凝土结构非线性研究.
Supported by:
国家自然科学基金资助项目(50178008)

摘要/Abstract

摘要： 提出双向压弯钢筋混凝土柱正截面极限承载力的预测模型. 以影响钢筋混凝土柱正截面极限承载力的主要因素(如:截面尺寸、混凝土强度、加载角度及配筋率等) 为参数,用数值模拟结果为训练样本,建立了柱正截面极限承载力的BP神经网络预测模型. 经验证,该模型对双向压弯钢筋混凝土柱正截面极限承载力具有良好的预测效果.

关键词: 钢筋混凝土, 双向压弯, 承载力, 预测, 神经网络

Abstract:

A mode l is p resented to forecast the terminal bearing capacity in the sections of reinforced conc rete (RC) columns under bi-axial bending and compression. By taking the main factors affecting the bearing capacity, such as the section dimension, the concre te strength, the loading angle and the reinforce ratio, as the model parameters, and by using the numerical simulation results as the training specimens, a fo recasting model is established based on BP neural network. It is verified that the proposed model is of excellent fo recasting ability for the terminal bearing capac ity of RC columns under bi-axial bending and compression.

Key words: reinforced concrete, bi-axial bending and compression, bearing capacity, forecasting, neural network

焦俊婷叶英华刁波于霖冲. 压弯钢筋混凝土柱正截面极限承载力的预测——基于BP神经网络技术[J]. 华南理工大学学报（自然科学版）, 2005, 33(8): 80-82,94.

Jiao Jun-ting Ye Ying-hua Diao Bo Yu Lin-chong. Forecasting of the Terminal Bearing Capacity in Sections of Reinforced Concrete Column Under Bending and Compression:On the Basis of BP Neural Network[J]. Journal of South China University of Technology (Natural Science Edition), 2005, 33(8): 80-82,94.

[1]	李方, 郭炜森, 张平, 等. 基于时空双细胞状态的轴承剩余使用寿命预测方法[J]. 华南理工大学学报(自然科学版), 2023, 51(9): 69-81.
[2]	方港, 袁珑华, 王晓明, 等. 基于集合卡尔曼-Elman网络的软测量建模方法[J]. 华南理工大学学报(自然科学版), 2023, 51(8): 126-136.
[3]	马晓亮, 安玲玲, 邓从健, 等. 基于行业词表的自动语音转写后优化技术[J]. 华南理工大学学报(自然科学版), 2023, 51(8): 118-125.
[4]	柏大炼, 杨绿峰, 殷玉琪. 考虑残余应力影响下刚架极限承载力分析的广义塑性铰法[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 90-99.
[5]	魏海斌, 魏东升, 蒋博宇, 等. 基于IPSO-SVR的盾构下穿既有道路沉降预测分析[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 62-71.
[6]	赵建东, 焦岚馨, 赵志敏, 等. 考虑侧向车换道影响的理论和数据组合驱动的车辆跟驰模型[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 10-19.
[7]	朱铮宇, 罗超, 贺前华, 等. 基于唇重构与三维耦合CNN的多视角音唇一致性判别[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 70-77.
[8]	林志坚, 丁永强, 杨秀芝, 等. HEVC帧内率失真优化预测模式的并行流水线硬件设计[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 95-103.
[9]	叶峰, 陈彪, 赖乙宗. 基于特征空间嵌入的对比知识蒸馏算法[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 13-23.
[10]	刘怡俊, 曹宇, 叶武剑, 等. 基于FPGA并行加速的脉冲神经网络在线学习硬件结构的设计与实现[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 104-113.
[11]	王永岗, 陈俊先, 郑少娅, 等. 道路急弯路段追尾冲突分析预测[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 80-87.
[12]	谢肖礼, 勾文鑫, 庞木林, 等. RC刚架拱桥的板桁组合加固及动力特性[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 31-43.
[13]	周楚昊, 林培群, 闫明月. 基于自监督学习的交通数据补全算法[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 101-114.
[14]	王情情, 刘战强, 程延海, 等. 基于多尺度晶粒细化演变的TC4加工表层硬度预测[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 35-46.
[15]	冷晟, 付有为, 马万太, 等. 基于GA-BP神经网络的喷射成形锭坯形貌调控技术[J]. 华南理工大学学报(自然科学版), 2023, 51(2): 27-34.