基于遺傳神經(jīng)網(wǎng)絡對FRP布加固混凝土柱承載力的預測研究

詹界東，李 陽，張云峰，吳亞軍 (東北石油大學土木建筑工程學院，黑龍江 大慶 163318)

基于遺傳神經(jīng)網(wǎng)絡對FRP布加固混凝土柱承載力的預測研究

詹界東，李 陽，張云峰，吳亞軍 (東北石油大學土木建筑工程學院，黑龍江 大慶 163318)

為了比較準確的預測應用FRP布加固混凝土柱的承載力，應用遺傳神經(jīng)網(wǎng)絡來對加固后的混凝土柱承載力進行研究。該方法充分利用了神經(jīng)網(wǎng)絡與遺傳算法的優(yōu)點。預測結(jié)果表明，應用遺傳神經(jīng)網(wǎng)絡方法對FRP布加固混凝土柱的承載力進行研究是可行的。

FRP布；混凝土柱；遺傳算法；神經(jīng)網(wǎng)絡

將FRP布粘貼在混凝土柱的表面，F(xiàn)RP布就可以與混凝土柱共同作用，一起來承擔梁板傳來的荷載，從而加強混凝土柱的承載力，因此，利用FRP布加固混凝土柱已被廣泛應用在土木工程中。但是，由于FRP布加固混凝土柱所獲得的效果受到很多因素的影響，具有很大的非線性，因此，加固后柱的承載力是很難確定的。下面，筆者利用遺傳神經(jīng)網(wǎng)絡方法對RBF布加固后的混凝土柱承載力進行預測。該方法具有傳統(tǒng)神經(jīng)網(wǎng)絡的信息分布存儲、并行處理、自我學習以及特有的非線性信息處理能力，并且擁有遺傳算法的全局搜索能力的優(yōu)點。

1 遺傳神經(jīng)網(wǎng)絡

雖然BP神經(jīng)網(wǎng)絡具有強大的自適應和自學習能力，可以進行大規(guī)模數(shù)據(jù)處理以及具有極強的非線性逼近和容錯能力等優(yōu)點，但是傳統(tǒng)的BP神經(jīng)網(wǎng)絡應用的BP算法是基于誤差函數(shù)梯度信息進行搜索，其局部搜索能力強，全局搜索能力差，經(jīng)常會使BP神經(jīng)網(wǎng)絡陷入局部無窮小，從而影響神經(jīng)網(wǎng)絡的泛化能力。遺傳算法(GA)是一種高效、并行、全局搜索的方法，能在搜索過程中自動獲取和積累有關搜索空間的知識，并自適應地控制搜索過程以求得最優(yōu)解。因此，將遺傳算法和神經(jīng)網(wǎng)絡有機結(jié)合以提高收斂速度、避免陷入局部最優(yōu)來解決復雜問題已經(jīng)越來越受到人們的重視[1]。遺傳神經(jīng)網(wǎng)絡的算法基本步驟[2]如下：

步1 編碼。將網(wǎng)絡的權值分別用實數(shù)表示并設定參數(shù)：輸入種群規(guī)模、交叉概率、變異概率、網(wǎng)絡層數(shù)(不包括輸入層)、每層神經(jīng)元數(shù)。

步2 初始化種群。隨機產(chǎn)生n個權值矩陣構(gòu)成初始種群，每個矩陣代表一個待訓練神經(jīng)網(wǎng)絡。

步3 評價。對每個神經(jīng)網(wǎng)絡以前向方式運行，計算評價函數(shù)值，并保留最優(yōu)個體。

步4 遺傳操作。依次進行選擇、交換、變異、BP訓練，保留最優(yōu)個體，并計算評價函數(shù)值。若誤差達到指定的精度，則轉(zhuǎn)步5,否則，轉(zhuǎn)步4。

步5 結(jié)束。

2 樣本數(shù)據(jù)的采集

FRP布加固柱承載力的主要影響因素[3]有截面面積Ac、混凝土立方體抗壓強度fc、 縱筋承載力Asfy(其中,As為縱筋面積;fy為縱筋的屈服強度)、截面形狀系數(shù)ξ(其中圓形截面取ξ=1.0，方形截面取ξ=0.8，矩形截面取ξ=0.7)、 含纖特征值λ=μfFRP/fc(其中，μ為FRP布與約束混凝土的體積比，fFRP為FRP布的抗拉強度)、 軸壓比β和粘貼層數(shù)n。筆者從相關文獻[4-8]共收集36個試驗樣本，其中將23個樣本作為神經(jīng)網(wǎng)絡的訓練樣本來訓練神經(jīng)網(wǎng)絡(見表1)，剩下的13個樣本作為預測樣本，來校核神經(jīng)網(wǎng)絡，如表2所示。

表1 神經(jīng)網(wǎng)絡學習樣本

表2 神經(jīng)網(wǎng)絡預測樣本

注:Ft,Fb分別為承載力的試驗值和模型預測值。

3 神經(jīng)網(wǎng)絡建立與訓練

由于影響FRP布加固混凝土柱的承載力的影響因素有7個，所以網(wǎng)絡的輸出層的神經(jīng)元為7個，經(jīng)過試算隱含層的神經(jīng)元個數(shù)為30個，輸出結(jié)果為加固后的承載力，所以輸出層神經(jīng)元的個數(shù)為1個，即遺傳神經(jīng)網(wǎng)絡結(jié)構(gòu)是7-30-1，隱含層和輸出層神經(jīng)元的變換函數(shù)采用tan2sigmoid 型函數(shù)tansig；訓練函數(shù)采用traingdm函數(shù)。遺傳算法中令種群數(shù)為80，交叉概率Pc=0.6，變異率Pm=0.05，最大迭代次數(shù)為30，終止條件設為網(wǎng)絡訓練誤差小于10-3。由于數(shù)據(jù)間差異較大，為了使網(wǎng)絡具有良好的泛化能力，應用Matlab自帶的歸一化函數(shù)premnmx()進行數(shù)據(jù)歸一化，使所有數(shù)據(jù)在-1與1之間。訓練曲線分別見圖1和圖2，預測結(jié)果見表2。

圖1 GA-BP適應度曲線圖 圖2 GA-BP算法學習過程誤差曲線

從圖1～2中可以看出，遺傳算法具有快速尋優(yōu)的特性，經(jīng)過5代左右遺傳迭代，網(wǎng)絡的誤差平方和曲線大幅下降，適應度函數(shù)曲線也在急劇的上升。說明遺傳算法的運用收到了既定的效果，能夠幫助BP網(wǎng)絡快速地尋找到全局最優(yōu)點附近，在經(jīng)過50代遺傳迭代后，遺傳搜索停止，而轉(zhuǎn)入BP算法，進行局部空間的尋優(yōu)。從訓練曲線可知網(wǎng)絡訓練892步已達標，從預測結(jié)果中可知13個樣本中預測結(jié)果最大誤差為12.5%，說明網(wǎng)絡的泛化能力很好，可以用來對加固后的混凝土柱的承載力進行預測。

4 結(jié) 語

利用遺傳神經(jīng)網(wǎng)絡的自學與非線性擬合能力來對FRP布加固混凝土柱的承載力進行預測，經(jīng)過預測研究表明，應用遺傳神經(jīng)網(wǎng)絡對FRP布加固混凝土柱的承載力的預測是可行的。由于試驗數(shù)據(jù)有限，難以滿足網(wǎng)絡訓練的要求，所以導致預測結(jié)果誤差較大，如果增加訓練樣本的數(shù)量，將會達到更加理想的效果。研究中筆者只考慮了承載力的預測，全面的分析有待于進一步的研究。

[1]劉洪,馬力寧,黃楨.集成化人工智能技術及其在石油工程中的應用[M].北京：石油工業(yè)出版社，2008.

[2]郝華寧,劉陽.基于遺傳神經(jīng)網(wǎng)絡的個股價格短期預測[J].西安石油大學學報，2010,25(2):88-90.

[3]潘奕,楊成,林擁軍.基于BP神經(jīng)網(wǎng)絡的FRP加固混凝土柱承載力預測[J].2008，43(6):736-739.

[4]Kshirsagars Lopezara Guptark.Environmental aging of fibre-reinforced polymer-wrapped concrete cylin-ders[J].ACI Material Journal,2000，97(6):703-712.

[5]Rochettep Labossierep.Axial testing of rectangular column models confined with composites[J].Journal of Composites for Construction,2000,4(3):129-136.

[6]Zhang S,Ye L,Mai Y W.A study on polymer composites strengthening systems for concrete columns[J].Application of Composites Material,2000,7(3):125-138.

[7]敬登虎.GFRP組合RC柱軸心受壓的試驗研究與分析[D].重慶:重慶大學,2003.

[8]潘毅.短期和長期負載下FRP約束混凝土應力-應變模型的理論分析與試驗研究[D].南京:東南大學,2008.

10.3969/j.issn.1673-1409(N).2012.08.048

TU375.3

A

1673-1409(2012)08-N147-03

2012-05-12

詹界東(1970-)，男，1993年大學畢業(yè)，博士，國家一級注冊結(jié)構(gòu)工程師，副教授，現(xiàn)主要從事結(jié)構(gòu)工程方面的教學與研究工作。

李陽(1986-)，男，2009年大學畢業(yè)，碩士生，現(xiàn)主要從事結(jié)構(gòu)工程方面的研究工作;E-mail:liy95519@163.com。

[編輯] 洪云飛