神經網絡在建筑材料系統辨識領域的應用研究.pdf

1、文證明了人工神經網絡(ANN)應用于建筑材料系統辨識領域的有效性,主要從微觀和宏觀兩個方面進行了研究.根據具體研究問題的不同,選用不同的網絡模型逼近實際系統.宏觀上,以混凝土強度為例,研究如何利用神經網絡建立原材料配方與混凝土強度的關系模型.介紹可以全局收斂的徑向基函數(Radial basis function,RBF)神經網絡.該文中該網絡采用正交學習算法(Orthogonal least square,OLS)辨識混凝土強度模型,

2、并將仿真結果與現在廣受歡迎的BP網絡比較.表明RBF網絡的學習速度比BP神經網絡顯著加快,并且具有較好的泛化能力,能有效地應用于混凝土領域.微觀上,拋開具體材料形式,探討原材料配方(這里是以化學元素形式表示)與材料內部最終形成的化學成分的關系.基于RBF網絡和感知器(Perceptron)網絡建立一四層前饋神經網絡-徑向基感知器(Radial basis perceptron,RBP)網絡.該網絡主要有以下特點:(1)網絡結構上,兩層隱

3、層選擇性連接,隱層節(jié)點數在學習過程中動態(tài)確定;(2)學習規(guī)則上,提出一種同時考慮輸入輸出樣本信息的輸入-輸出聚類(Input-output clustering,IOC)方法,且聚類中心的形狀參數σ自適應變化.以CaO-Al<,2>O<,3>-SiO<,2>系統為例,對材料成分分析領域的仿真結果表明,該網絡可成功地包含材料成分的構成信息,實現精確分類,并具有較高的泛化能力.綜上所述,神經網絡作為一種先進的辨識手段將為建筑材料系統辨識領域