基于粒子群优化BP神经网络的中空夹层钢管混凝土柱轴压承载力研究

摘要

圆中空夹层钢管混凝土（concrete filled double-skin steel tube,CFDST）柱因其独特的结构形式与优异的力学性能，已成为现代工程结构中的主要受力构件。然而外钢管、内钢管与核心混凝土之间的相互约束作用导致其受力比较复杂。为此，采用PSO-BP混合神经网络算法对圆CFDST柱的轴压承载力进行了研究。收集了167组数据建立数据库，并选取8种影响因素作为输入层参数，轴压承载力作为输出层参数，分析了传统BP神经网络模型所存在的缺陷，建立了PSO-BP神经网络模型。此外，将机器学习模型与3种规范的结果进行比较，结果表明机器学习模型的精度比3种规范的精度更高。相较于BP神经网络模型，PSO-BP神经网络模型具有更好的预测能力，更有助于预测CFDST柱的轴压承载力，对工程上研究CFDST柱的力学性能有着重要意义。

关键词

BP神经网络 / 粒子群优化算法 / 中空夹层钢管混凝土柱 / 轴压承载力 / 机器学习模型

基金资助

国家自然科学基金（51878056）