启发式算法优化BP神经网络的圆锥形中空夹层钢管混凝土构件轴压承载力研究

摘要

为解决圆锥形中空夹层钢管混凝土(tapered concrete-filled double skin steel tubular, TCFDST)构件因截面变化导致轴压承载力计算困难的问题，将遗传算法(genetic algorithms, GA)、粒子群算法(particle swarm optimization, PSO)、模拟退火算法(simulated annealing, SA)、蚁群算法(ant colony optimization, ACO)等启发式算法应用于BP神经网络(back propagation neural network, BPNN),提出了全局和局部优化相结合的TCFDST轴压承载力预测模型。选取了共计1 362组试验和有限元模拟数据构成了TCFDST轴压数据库，采用10种构件尺寸和材料参数作为输入参数，轴心受压承载力为输出参数，分别建立了4种启发式算法优化的BPNN模型。通过对比4种经典机器学习算法、规范公式证明了启发式算法优化BP神经网络具有更高的预测精度，结合参数化分析得出了预测模型承载力与各输入参数的变化规律，验证了预测模型的泛用性。基于启发式算法优化的BPNN轴压承载力预测模型可为解决TCFDST结构承载力计算问题和推广应用提供重要参考。

关键词

圆锥形中空夹层钢管混凝土 / 轴压承载力 / 启发式算法 / BP神经网络 / 机器学习

基金资助

国家自然科学基金资助项目(No.51978570); 国网浙江省电力有限公司科技资助项目(No.5211JY220003)