基于BP神经网络的缺陷CFST短柱承载力预测

目的基于大量钢管混凝土(Concrete Filled Steel Tube,CFST)短柱承载力试验数据,利用神经网络建立其承载力和破坏模式与构件各特征参数之间的映射关系,以便对复杂参数下的带缺陷CFST柱承载力进行预测。方法通过对国内外文献中试验数据的收集整理,选取89组缺陷圆形CFST短柱承载力试验数据,构建并训练一个多层BP神经网络模型,对缺陷圆形CFST短柱承载力进行预测,并将预测值与实际值进行比较。结果利用笔者构建的模型得到的缺陷圆形CFST短柱承载力的预测值与其实际值相比,两者间的绝对相对误差ARE数值在5%之内,并且样本数据回归曲线的误差值r值接近1,验证了网络构建的有效性,以及预测结果的精确性。结论BP神经网络对于预测缺陷圆形CFST短柱承载力是有效、准确的,为研究缺陷圆形CFST短柱的承载力提供了新方法。