四肢钢管混凝土格构柱抗震性能的神经网络优化预测

摘要

为了能够精确预测出四肢钢管混凝土格构柱在低周往复荷载作用下的荷载-位移滞回曲线，采用麻雀搜索优化算法优化Elman神经网络模型(SSA-Elman)对四肢钢管混凝土格构柱在低周往复荷载作用下的荷载-位移滞回曲线进行了预测。通过5个标准测试函数对麻雀搜索算法(sparrow search optimization algorithm, SSA)、粒子群优化算法(particle swarm optimization, PSO)和萤火虫算法(firefly algorithm, FA)进行了性能比较。对4根不同参数的四肢钢管混凝土格构柱进行了低周往复荷载试验，得到了其荷载-位移滞回曲线并进行了分析。采用荷载-位移滞回曲线数据对各模型进行了训练和预测并对误差结果进行了分析。基于传统的能量损伤模型和Park模型，计算SSA-Elman模型预测数据的损伤值和试验数据损伤值，并进行对比。结果表明：在低周往复荷载作用下，试件SCC1和试件SCC2的荷载-位移滞回曲线的形状为弓形，试件SCC3的荷载位移-滞回曲线为反S形，试件SCC4的荷载-位移滞回曲线更加接近于梭形；通过5个标准测试函数对比得到SSA算法搜索性能优于PSO和FA算法，具有较好的寻优精度、收敛速度和全局搜索能力；SSA-Elman模型对4个试件抗震性能预测的平均绝对百分比误差值均小于Elman、PSO-SVR和FA-BP模型，SSA算法能有效优化Elman模型的权值和阈值；SSA-Elman预测模型获得的损伤值与传统模型损伤值能够很好的吻合，验证了SSA-Elman模型用于预测四肢钢管混凝土格构柱在低周往复荷载作用下的荷载-位移滞回曲线是可行的。

关键词

格构柱 / Elman模型 / 损伤预测 / 低周往复荷载 / SSA算法 / 滞回曲线