欢迎来到天天文库
浏览记录
ID:51448882
大小:209.50 KB
页数:3页
时间:2020-03-24
《基于人工神经网络(BP)的混凝土抗裂性能指标预测.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、西北水电·2010年·第2期文章编号:1006-2610(2010)02—0028—03基于人工神经网络BP)的混凝土抗裂性能指标预测王红强(中国水电顾问集团西北勘测设计研究院,西安710065)摘要:通过对人工神经元及BP网络的简要介绍,结合三峡工程大坝混凝土试验实测数据,应用人工神经网络的理论和方法,利用MATLAB语言编制了基于神经网络理论的混凝土抗裂指标预测程序,实现了对混凝土抗裂指标值的预测,证明了人工神经网络在混凝土抗裂指标预测方面的可行性与可靠性。关键词:神经网络;水工混凝土;抗裂性能;预测中图分类号:TP183;TV431文献标识码:APredictionofc
2、oncretecrack—resistantperformanceindexbasedonartificialneuralnetwork(BP)WANGHong—qiang(No~hwestHydroConsultingEngineers,CHECC,Xihn710065,China)Abstract:ThepaperbrieflydescribestheanificizlneuralelementsandBPnetwork.BasedonthemeasureddatafromtestonconcreteofThree—GorgesDam,andapplyingthetheor
3、yandmethodofartificialneuralnetwork,thepredictionprogramofconcretecrack—re—sistantindexispreparedbyuseofMATLABlanguage,whichrealizesthepredictionofconcretecrack—resistantindexvalueandprovestheavailabilityandreliabilityofartificialneuralnetworkinthepredictionofconcretecrack—resistantindex.Key
4、words:neuralnetwork;hydraulicconcrete;crack—resistantperformance;prediction反传播的算法(BP算法),从而实现了Minsky关于1人工神经元模型多层网络的设想。人们也常把按误差反传递算法训人工神经网络的基本构成是神经元,神经元的练的多层前馈网络直接称为BP网络,网络的结构基本数学模型如图1所示。如图2所示。其中,:,⋯,是神经元的输人,即来自前级BP网络是一种2层或2层以上的阶层型神经n个神经元轴突的信息;0是i神经元的阈值;∽网络,即输入层、隐层和输出层。上下层之间各神经W:一,分别是i神经元对,,⋯,
5、权值连元实现全连接,而每层各神经元之间无连接。BP算接,即突触的传递效率;yI是i神经元的输出.-厂是传法是在教师指导下,适合于多层神经元网络的一种递函数,决定i神经元受到输入,,⋯,的共同学习,它是建立在梯度下降法的基础上。网络的学作用达到阈值时以何种方式输出。习过程由正向和反向传播2部分组成。在正向传播过程中,每一层神经元的状态只影响下一层神经元2BP网络2.1BP网络模型1986年Rumelhart和McClelland领导的科学家_l●●-小组在《并行分布处理》一书中,对具有非线性转移●:函数的多层前馈网络的权重进行调整,提出了误差%收稿日期:2009-07-1O作者简
6、介:王红强(1983一),男,陕西省宝鸡市人,助理工程师从事水利水电工程设计工作.图1神经元的数学模型西北水电·2010年·第2期29网络。如果输出层不能得到期望输出,就是实际输3水工混凝土抗裂性能指标预测工出值和期望输出值之间存在误差,从而转入反向传程实例播,将误差信号沿原来的连接通路返回,通过修改各层神经元的权值,逐次向输入层传播去计算(故得由于混凝土抗裂性能的所有影响因素数据在短名“误差逆传播算法”),再经过正向传播过程,这2期内难以收集完整,所以在测试时使用了部分影响个过程反复运用,使得误差信号最小⋯。因素的数据,但这仍能测试出预测网络的性能。表2.2BP网络训练模式1
7、¨2为三峡工程大坝混凝土配合比设计及性能试验标准的BP算法采用的是批处理模式。所谓批的部分实测数据。处理模式就是利用所有样本数据正向运行一次,计表1抗裂指标及其影响因素数据表算所有全部训练样本的梯度之和,再反传修改连接权一次,这样反复地训练直到获得合适的映射结果或达到预定的学习次数。另一种改进的训练方法是单样本训练方法(也称在线方式),即每次把一个训练样本提供给网络作一次正向计算,然后把这个误差反向传播并调整权值,再进行下一个样本的学习,全部样本训练完后以最后一次修正的连接权考察输入误差,如
此文档下载收益归作者所有