咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于ANN的RECFST短柱轴压承载力预测 收藏

基于ANN的RECFST短柱轴压承载力预测

Prediction of Axial Compression Bearing Capacity of RECFST Short Columns Based on Artificial Neural Network

作     者:杜运兴 刁俊杰 DU Yunxing;DIAO Junjie

作者机构:湖南大学土木工程学院湖南长沙410082 

出 版 物:《沈阳建筑大学学报(自然科学版)》 (Journal of Shenyang Jianzhu University:Natural Science)

年 卷 期:2024年第40卷第3期

页      面:414-422页

学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 081402[工学-结构工程] 081304[工学-建筑技术科学] 0813[工学-建筑学] 0835[工学-软件工程] 0814[工学-土木工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:国家自然科学基金项目(52178206) 

主  题:ANN RECFST短柱 轴压承载力 图形用户界面工具 

摘      要:目的针对相关设计规范和文献在计算圆端形截面钢管混凝土短柱轴压承载力上的局限性,开发高精高效的轴压承载力预测模型。方法首先,基于国内外已有的RECFST短柱轴压试验研究结果建立有限元模型,并通过验证;其次,基于Python脚本批量生成有限元模型,建立涵盖广泛输入参数的数据集;然后,利用数据集开发高精度的ANN模型并与相关规范和文献结果进行比较;最后,基于ANN模型开发GUI图形用户界面工具。结果ANN模型预测值与试验结果之比的平均值N ANN/N u=0.98,模型预测误差远低于相关规范和文献公式预测误差;ANN模型的均方误差K MSE=7.3734×10-7,总数据样本回归值R=0.99963,表明了ANN模型的有效性以及预测结果的精确性。结论ANN模型可以准确预测RECFST短柱的轴压承载力,基于模型开发的GUI工具简便实用。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分