基于BP-ANN模型的RC深受彎構件受剪承載性能與靈敏度分析.pdf

1、當構件跨高比10/h＞5.0時，稱之為鋼筋混凝土深受彎構件，其破壞形式主要為剪切破壞。由于深受彎構件受剪的影響因素眾多且復雜，目前尚未對其破壞機理及計算方法達成共識。鋼筋混凝土深受彎構件受剪性能仍有待深入研究。近年興起的人工神經網絡可以在基于以往收集的數(shù)據(jù)，通過自我學習的過程，其精準度可以達到令人滿意的程度，且不需要提出精準的構件破壞模式及承載傳力機制。隨著科技發(fā)展，此種簡單便于計算并且可以不斷自我學習來達到更高精度的方法越來越受到研究

2、人員的青睞。
　　本文基于271組深受彎構件受剪性能的試驗數(shù)據(jù)，通過提取主要的影響因素，建立了基于人工神經網絡的計算模型，完成了對影響深受彎構件的主要因素的單因素分析及正交試驗法分析，得到了各影響因素對受剪承載力影響的變化規(guī)律及程度。
　　本文還介紹了目前國外較為流行的靈敏度分析方法，將全局靈敏度分析法引入土木工程領域，并將其應用于本文的幾個主要計算模型中，得到了各個模型自變量的靈敏度大小，而且基于計算所得的靈敏度排序可以發(fā)

3、現(xiàn)各模型的主要影響因素。通過剔除靈敏度小即影響性低的自變量，優(yōu)化了以建立的人工神經網絡計算模型。對比發(fā)現(xiàn)，優(yōu)化前后的模型在計算結果的精確度及離散性上沒有太大區(qū)別，但是優(yōu)化后的模型在計算量及復雜程度上大大降低。本文完成的主要工作：
　　(1)介紹了深受彎構件在國內外發(fā)展研究現(xiàn)狀及人工神經網絡概念介紹，分析了影響鋼筋混凝土深受彎構件受剪性能的主要因素，介紹了各國深受彎構件受剪承載力的計算公式；
　　(2)詳細介紹了人工神經網絡的

4、工作原理及其模型選取方法?；谑占?71根鋼筋混凝土深受彎構件，運用Matlab軟件，對已建立好的神經網進行訓練；基于訓練結果選取效果較好的BP-ANN模型，進行了單因素分析及正交試驗設計分析；
　　(3)針對文中涉及模型及試驗，結合多種全局靈敏度分析方法進行了影響因素靈敏度分析；基于靈敏度計算結果，優(yōu)化了已建立的BP-ANN模型，結果證明優(yōu)化后的模型與優(yōu)化前的模型具有同樣的性能，而且復雜度明顯降低。
　　通過選取的BP-