基于反向传播神经网络的锈蚀RC柱抗压承载力预测

作     者：辛景舟 蒋黎明 王劼耘 马闻达 李双江 XIN Jingzhou;JIANG Liming;WANG Jieyun;MA Wenda;LI Shuangjiang

作者机构：重庆交通大学省部共建山区桥梁及隧道工程国家重点实验室重庆400074 重庆交通大学土木工程学院重庆400074 广西交通投资集团有限公司广西南宁530022 

出 版 物：《混凝土》 (Concrete)

年 卷 期：2023年第6期

页      面：19-25页

学科分类：08[工学] 081304[工学-建筑技术科学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 0813[工学-建筑学] 

基　　金：国家自然科学基金面上项目(52278292,51908111) 重庆市自然科学基金(cstc2020jcyj-msxmX0532) 重庆市博士后研究项目特别资助(2021XM1016) 

主　　题：锈蚀钢筋混凝土柱 反向神经网络 抗压承载力 

摘      要：为了解决当前锈蚀钢筋混凝土(Reinforced concrete,RC)柱极限抗压承载力预测中模型普适性差、计算繁琐、精度有限问题,提出了一种基于反向传播神经网络(Backpropagation neural network,BPNN)的锈蚀RC柱极限抗压承载力预测方法。首先,考虑不同的试件尺寸、布筋方式、锈蚀率等因素影响,搜集了既有文献192个试验数据,并分为训练集与测试集;其次,基于训练集数据,通过BPNN算法训练回归各影响因素与锈蚀RC柱极限抗压承载力间的非线性映射关系,得到锈蚀RC柱极限抗压承载力预测模型;最后,基于测试集数据,对该模型的预测精度进行验证,与解析预测模型进行横向对比。结果表明:所提方法的预测结果与各类构件的试验数据吻合较好,决定系数达到0.981,整体精度高,普适性好;相较于解析方法,所提方法的预测精度显著提升,积分绝对误差和平均百分误差分别提升了46%和40%。所提方法可为锈蚀RC柱抗压性能的评估与预测提供参考。