本文關(guān)鍵詞： 神經(jīng)網(wǎng)絡(luò) 風(fēng)壓場(chǎng) 方差分析 大跨度屋蓋 變異性　出處：《應(yīng)用力學(xué)學(xué)報(bào)》2014年06期 　論文類型：期刊論文

【摘要】：利用風(fēng)洞實(shí)驗(yàn)測(cè)定大跨度屋蓋的風(fēng)壓時(shí),由于通常只能通過(guò)布置有限測(cè)點(diǎn)而獲得有限的風(fēng)壓數(shù)據(jù),因此采用準(zhǔn)確高效的方法預(yù)測(cè)更多未知點(diǎn)的風(fēng)壓特性具有重要意義。本文在徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,結(jié)合遺傳算法和方差分析對(duì)大跨度屋蓋的風(fēng)壓場(chǎng)進(jìn)行了預(yù)測(cè)。引入整體度量估計(jì)作為遺傳算法中適應(yīng)度函數(shù)的估計(jì),采用方差分析分解RBF的輸出總方差,用求得的均方誤差對(duì)RBF神經(jīng)網(wǎng)絡(luò)模型的權(quán)方差進(jìn)行估計(jì)。將本文方法預(yù)測(cè)得到的大跨度屋蓋的風(fēng)壓系數(shù)、升力系數(shù)等與實(shí)驗(yàn)結(jié)果和傳統(tǒng)RBF方法預(yù)測(cè)結(jié)果進(jìn)行了對(duì)比,并進(jìn)行了誤差統(tǒng)計(jì)分析。結(jié)果表明:本文方法預(yù)測(cè)的風(fēng)壓系數(shù)與試驗(yàn)結(jié)果符合良好,且均方誤差小于RBF方法,平均相差約67.21%;在達(dá)到同樣的收斂精度時(shí),采用本文方法計(jì)算所需的時(shí)間要比傳統(tǒng)RBF模型節(jié)省約40%。結(jié)合遺傳算法和方差分析的RBF神經(jīng)網(wǎng)絡(luò)模型是預(yù)測(cè)大跨度屋蓋風(fēng)壓場(chǎng)的有效工具。
[Abstract]:When the wind pressure of long-span roof is measured by wind tunnel experiment, the limited wind pressure data can only be obtained by arranging finite measuring points. Therefore, it is important to use accurate and efficient method to predict the wind pressure characteristics of more unknown points. This paper is based on the radial basis function neural network. Combined with genetic algorithm and ANOVA, the wind pressure field of long-span roof is predicted. The global metric estimation is introduced as the estimation of fitness function in genetic algorithm, and the total variance of RBF output is decomposed by ANOVA. The mean square error is used to estimate the weight variance of the RBF neural network model. The wind pressure coefficient of the long-span roof is predicted by the method in this paper. The lifting coefficient is compared with the experimental results and the traditional RBF method, and the error statistical analysis is carried out. The results show that the wind pressure coefficient predicted by this method is in good agreement with the test results. The mean square error is smaller than that of RBF method, and the average difference is about 67.21. With the same convergence accuracy. The computational time of this method is about 40% less than that of the traditional RBF model. The RBF neural network model combined with genetic algorithm and ANOVA is an effective tool for predicting the wind pressure field of large span roof.
【作者單位】： 遼寧工程技術(shù)大學(xué)建筑工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(51108345) 同濟(jì)大學(xué)土木工程防災(zāi)國(guó)家重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金(SLDRCE-MB-04) 遼寧省教育廳基金(L2013134)
【分類號(hào)】：TU312.1
【正文快照】： 1引言近年來(lái)大跨度屋蓋結(jié)構(gòu)的工程應(yīng)用越來(lái)越廣泛,大跨度屋蓋在其控制荷載——風(fēng)荷載作用下風(fēng)壓特性的確定也成為工程研究人員關(guān)心的熱點(diǎn)問(wèn)題�，F(xiàn)行的結(jié)構(gòu)設(shè)計(jì)規(guī)范[1]對(duì)該類結(jié)構(gòu)風(fēng)壓計(jì)算的規(guī)定并不完善。通常獲得大跨度屋蓋風(fēng)壓的最可靠方法是通過(guò)風(fēng)洞實(shí)驗(yàn)獲得風(fēng)壓數(shù)據(jù),而對(duì)大

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 傅繼陽(yáng),甘泉;大跨平屋蓋結(jié)構(gòu)風(fēng)壓分布特性的神經(jīng)網(wǎng)絡(luò)模型[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年08期

2 傅繼陽(yáng),謝壯寧,倪振華;大跨屋蓋結(jié)構(gòu)風(fēng)壓分布特性的模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[J];建筑結(jié)構(gòu)學(xué)報(bào);2002年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前9條

1 顧明,周fE毅;神經(jīng)網(wǎng)絡(luò)方法在大跨度屋面風(fēng)壓研究中的應(yīng)用[J];工程力學(xué);2003年04期

2 孫芳錦;梁爽;張大明;;基于回歸神經(jīng)網(wǎng)絡(luò)的大跨度結(jié)構(gòu)風(fēng)壓場(chǎng)預(yù)測(cè)[J];地震工程與工程振動(dòng);2014年05期

3 王營(yíng)池,王汝恒,王月明;一類模糊神經(jīng)網(wǎng)絡(luò)方法在底框結(jié)構(gòu)抗震性能預(yù)測(cè)中的應(yīng)用[J];建筑科學(xué);2005年02期

4 柯世堂;初建祥;陳劍宇;瞿宗新;;基于灰色-神經(jīng)網(wǎng)絡(luò)聯(lián)合模型的大型冷卻塔風(fēng)效應(yīng)預(yù)測(cè)[J];南京航空航天大學(xué)學(xué)報(bào);2014年04期

5 金龍,林熙,金健,李菁;模塊化模糊神經(jīng)網(wǎng)絡(luò)的數(shù)值預(yù)報(bào)產(chǎn)品釋用預(yù)報(bào)研究[J];氣象學(xué)報(bào);2003年01期

6 佟偉;王汝恒;熊曜;;神經(jīng)網(wǎng)絡(luò)方法在建筑結(jié)構(gòu)風(fēng)荷載研究中的應(yīng)用[J];四川建筑;2007年05期

7 謝壯寧,倪振華,傅繼陽(yáng),石碧青;大跨曲面屋蓋風(fēng)洞試驗(yàn)通用數(shù)據(jù)處理軟件的開(kāi)發(fā)[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年05期

8 張冬兵;梁樞果;;連體結(jié)構(gòu)分區(qū)風(fēng)振響應(yīng)及荷載相關(guān)性分析[J];武漢理工大學(xué)學(xué)報(bào);2010年01期

9 孫芳錦;張大明;殷志祥;;基于圖像識(shí)別和神經(jīng)網(wǎng)絡(luò)的大跨度結(jié)構(gòu)風(fēng)荷載模擬[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2008年04期

相關(guān)博士學(xué)位論文 前4條

1 胡寧;索桿膜空間結(jié)構(gòu)協(xié)同分析理論及風(fēng)振響應(yīng)研究[D];浙江大學(xué);2003年

2 楊有根;高層建筑的抗風(fēng)實(shí)測(cè)分析與大跨度屋蓋的風(fēng)致響應(yīng)研究[D];湖南大學(xué);2007年

3 潘峰;大跨度屋蓋結(jié)構(gòu)隨機(jī)風(fēng)致振動(dòng)響應(yīng)精細(xì)化研究[D];浙江大學(xué);2008年

4 趙若紅;復(fù)雜體型大跨屋蓋風(fēng)致振動(dòng)的風(fēng)洞試驗(yàn)與實(shí)測(cè)研究[D];暨南大學(xué);2008年

相關(guān)碩士學(xué)位論文 前6條

1 李倩;基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)橫風(fēng)向風(fēng)振時(shí)程響應(yīng)分析[D];西安建筑科技大學(xué);2011年

2 劉毛方;大跨度屋蓋結(jié)構(gòu)脈動(dòng)風(fēng)特性及風(fēng)振響應(yīng)計(jì)算方法的研究[D];浙江大學(xué);2006年

3 雷勇波;大跨度結(jié)構(gòu)的表面風(fēng)荷載分析及其數(shù)值模擬研究[D];暨南大學(xué);2006年

4 周磊;RBF神經(jīng)網(wǎng)絡(luò)在群體超高層建筑干擾效應(yīng)中的應(yīng)用[D];汕頭大學(xué);2007年

5 楊亞勤;大跨度空間結(jié)構(gòu)在風(fēng)荷載作用下的動(dòng)力響應(yīng)及舒適度研究[D];武漢理工大學(xué);2009年

6 劉學(xué)會(huì);單層柱面網(wǎng)殼結(jié)構(gòu)風(fēng)荷載影響分析[D];河北農(nóng)業(yè)大學(xué);2010年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 姜紹飛;人工神經(jīng)網(wǎng)絡(luò)用于建筑工程領(lǐng)域的數(shù)據(jù)處理方法[J];哈爾濱建筑大學(xué)學(xué)報(bào);1999年05期

2 向陽(yáng),沈世釗,趙臣;傘形屋蓋風(fēng)壓分布系數(shù)的風(fēng)洞實(shí)驗(yàn)研究[J];哈爾濱建筑大學(xué)學(xué)報(bào);1998年04期

3 吳太成,陳欽豪;深圳機(jī)場(chǎng)航站樓擴(kuò)建工程風(fēng)壓風(fēng)洞試驗(yàn)研究[J];建筑結(jié)構(gòu)學(xué)報(bào);1997年04期

4 程志軍,樓文娟,孫炳楠,唐錦春;屋面風(fēng)荷載及風(fēng)致破壞機(jī)理[J];建筑結(jié)構(gòu)學(xué)報(bào);2000年04期

5 謝壯寧,倪振華,石碧青;大跨屋蓋風(fēng)荷載特性的風(fēng)洞試驗(yàn)研究[J];建筑結(jié)構(gòu)學(xué)報(bào);2001年02期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林嘯宇;;基于神經(jīng)網(wǎng)絡(luò)的砂礫石本構(gòu)模型建立及其計(jì)算應(yīng)用[J];浙江水利科技;2006年01期

2 孫旺;李彥明;杜文遼;苑進(jìn);劉成良;;基于蟻群神經(jīng)網(wǎng)絡(luò)的泵車(chē)主泵軸承性能評(píng)估[J];上海交通大學(xué)學(xué)報(bào);2012年04期

3 李道華，，王艷，郭寶琦;神經(jīng)網(wǎng)絡(luò)在計(jì)算測(cè)井參數(shù)中的應(yīng)用[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);1995年05期

4 王曉鴻,顧云峰;基坑支護(hù)結(jié)構(gòu)選型的神經(jīng)網(wǎng)絡(luò)方法應(yīng)用[J];勘察科學(xué)技術(shù);2001年02期

5 王w懦

本文編號(hào)：1467526