基于模糊综合评判与bp神经网络的高层建筑结构选型分析

《基于模糊综合评判与bp神经网络的高层建筑结构选型分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TU310710-2012128033硕士学位论文基于模糊综合评判与BP神经网络的高层建筑结构选型分析王燕荣导师姓名职称傅光耀教授申请学位级别工学硕士学科专业名称结构工程论文提交日期2015年5月25日论文答辩日期2015年6月10日学位授予单位长安大学AnalysisoftheHigh-riseBuildingStructureformSelectionwiththeFuzzyMathematicsandtheBPNeuralNetworkAThesisSubmittedfortheDegreeofMas

2、terCandidate：WangYanrongSupervisor：Prof.FuGuangyaoChang’anUniversity,Xi’an,China摘要随着我国经济建设与整体实力的迅速发展和不断提升，对高层建筑的需求日益强烈，这对高层建筑结构的发展来说既是机遇又是挑战。结构选型是结构设计的第一步，高层建筑结构的发展出现了大量复杂结构体系和结构类型，选择余地的增多意味着结构选型不恰当可能性的增大。因此，选择一种合适的结构选型决策方法就显得尤为重要。目前，应用模糊综合评判法和人工神经网络对高层建筑结构选型的

3、研究日渐丰富。人工神经网络可以模拟人脑结构的思维能力，具有较强的自适应和联想功能，但是它不具有处理和描述模糊信息的能力，不能很好地利用专家经验知识。而影响结构选型的因素绝大部分是不确定或不确知的，具有很强的模糊性，这必将导致人工神经网络在结构选型中的应用局限性。模糊综合评判法可以很好的处理模糊信息和利用专家经验知识，二者结合，充分发挥了模糊综合评判法和人工神经网络的优势。本文以高层建筑结构常用结构体系为研究对象，采用模糊综合评判法与BP神经网络相结合的方法，通过高层建筑结构选型影响因素的分析，利用MATLAB神经网

4、络工具箱建立了基于模糊模糊综合评判与神经网络的高层建筑结构选型决策模型。经过分析表明，利用模糊综合评判法和BP神经网络结合的方法可以有效解决结构选型问题。本文首次提出将模糊综合评判与神经网络结合应用于解决高层建筑结构选型问题，研究成果丰富了结构选型的方法理论，对高层建筑结构选型决策具有一定的参考意义。关键词：高层建筑；结构选型；BP神经网络；模糊综合评价；MATLABIAbstractWiththerapiddevelopmentofeconomicconstructionandtheoverallstrength

5、ofourcountryandtherisingdemandforhigh-risebuildingsincreasinglystrong,whichisthedevelopmentoftallbuildingsisbothanopportunityandachallenge.Selectionofstructuraldesignisthefirststep,thedevelopmentoftallbuildingsappearedalargenumberofcomplexarchitectureandstruct

6、uretype,increasedchoicemeanstheincreaseofstructureselectioninappropriatepossibilities.Therefore,choosingasuitablemethodforselectionofstructuraldecisionsisparticularlyimportant.Atpresent,theapplicationoffuzzycomprehensiveevaluationmethodandartificialneuralnetwo

7、rkselectionofhigh-risestructuresincreasinglyrich.Artificialneuralnetworkscansimulatethehumanbrainstructurethinkingability,withastrongadaptiveandassociationfunctions,butitdoesnothavetheabilitytohandleanddescribefuzzyinformation,cannotmakegooduseofexpertexperien

8、ce.Forthemostpartandtheinfluencingfactorsofstructureselectionisuncertainorunknown,withstrongfuzziness,whichwillleadtolimitationsofartificialneuralnetworksapplicationsintheselection