基于深度学习与修正IMK模型的夹层叠合板受弯性能研究

摘要

针对目前缺乏陶粒泡沫混凝土叠合板受弯力学性能预测模型的问题，设计5块陶粒泡沫混凝土夹层叠合板进行静力加载试验，建立精细化有限元模型并验证其有效性，整合试验数据和修正Ibarra-Medina-Krawinkler（IMK）模型模拟数据，构建叠合板数据库，并结合BP神经网络建立预测模型，对比分析预测模型生成与试验的荷载-位移曲线。结果表明：结合修正IMK模型的BP神经网络预测模型的评估指标中，均方根误差最高为9.69,平均绝对百分比误差最高为9.64%,决定系数R²最低为0.94,泛化能力较强，具有较高的预测精度；预测模型生成的荷载-位移曲线与试验曲线基本吻合，表明能够较好地模拟该类叠合板的受弯性能。

关键词

叠合板 / 深度学习 / 受弯性能 / BP神经网络 / 参数辨识