詹界東，李 陽，張?jiān)品?，吳亞?(東北石油大學(xué)土木建筑工程學(xué)院，黑龍江 大慶 163318)

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

詹界東，李 陽，張?jiān)品?，吳亞?(東北石油大學(xué)土木建筑工程學(xué)院，黑龍江 大慶 163318)

為了比較準(zhǔn)確的預(yù)測應(yīng)用FRP布加固混凝土柱的承載力，應(yīng)用遺傳神經(jīng)網(wǎng)絡(luò)來對加固后的混凝土柱承載力進(jìn)行研究。該方法充分利用了神經(jīng)網(wǎng)絡(luò)與遺傳算法的優(yōu)點(diǎn)。預(yù)測結(jié)果表明，應(yīng)用遺傳神經(jīng)網(wǎng)絡(luò)方法對FRP布加固混凝土柱的承載力進(jìn)行研究是可行的。

FRP布；混凝土柱；遺傳算法；神經(jīng)網(wǎng)絡(luò)

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(dān)梁板傳來的荷載，從而加強(qiáng)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(yīng)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(luò)方法對RBF布加固后的混凝土柱承載力進(jìn)行預(yù)測。該方法具有傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的信息分布存儲(chǔ)、并行處理、自我學(xué)習(xí)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(diǎn)。

1 遺傳神經(jīng)網(wǎng)絡(luò)

雖然BP神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的自適應(yīng)和自學(xué)習(xí)能力，可以進(jìn)行大規(guī)模數(shù)據(jù)處理以及具有極強(qiáng)的非線性逼近和容錯(cuò)能力等優(yōu)點(diǎn)，但是傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)應(yīng)用的BP算法是基于誤差函數(shù)梯度信息進(jìn)行搜索，其局部搜索能力強(qiáng)，全局搜索能力差，經(jīng)常會(huì)使BP神經(jīng)網(wǎng)絡(luò)陷入局部無窮小，從而影響神經(jīng)網(wǎng)絡(luò)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(dòng)獲取和積累有關(guān)搜索空間的知識(shí)，并自適應(yīng)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(luò)有機(jī)結(jié)合以提高收斂速度、避免陷入局部最優(yōu)來解決復(fù)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(luò)的算法基本步驟[2]如下：

步1 編碼。將網(wǎng)絡(luò)的權(quán)值分別用實(shí)數(shù)表示并設(shè)定參數(shù)：輸入種群規(guī)模、交叉概率、變異概率、網(wǎng)絡(luò)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(jī)產(chǎn)生n個(gè)權(quán)值矩陣構(gòu)成初始種群，每個(gè)矩陣代表一個(gè)待訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

步3 評(píng)價(jià)。對每個(gè)神經(jīng)網(wǎng)絡(luò)以前向方式運(yùn)行，計(jì)算評(píng)價(jià)函數(shù)值，并保留最優(yōu)個(gè)體。

步4 遺傳操作。依次進(jìn)行選擇、交換、變異、BP訓(xùn)練，保留最優(yōu)個(gè)體，并計(jì)算評(píng)價(jià)函數(shù)值。若誤差達(dá)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(qiáng)度fc、 縱筋承載力Asfy(其中,As為縱筋面積;fy為縱筋的屈服強(qiáng)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(qiáng)度)、 軸壓比β和粘貼層數(shù)n。筆者從相關(guān)文獻(xiàn)[4-8]共收集36個(gè)試驗(yàn)樣本，其中將23個(gè)樣本作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本來訓(xùn)練神經(jīng)網(wǎng)絡(luò)(見表1)，剩下的13個(gè)樣本作為預(yù)測樣本，來校核神經(jīng)網(wǎng)絡(luò)，如表2所示。

表1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本

表2 神經(jīng)網(wǎng)絡(luò)預(yù)測樣本

注:Ft,Fb分別為承載力的試驗(yàn)值和模型預(yù)測值。

3 神經(jīng)網(wǎng)絡(luò)建立與訓(xùn)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(gè)，所以網(wǎng)絡(luò)的輸出層的神經(jīng)元為7個(gè)，經(jīng)過試算隱含層的神經(jīng)元個(gè)數(shù)為30個(gè)，輸出結(jié)果為加固后的承載力，所以輸出層神經(jīng)元的個(gè)數(shù)為1個(gè)，即遺傳神經(jīng)網(wǎng)絡(luò)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(xùn)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(shè)為網(wǎng)絡(luò)訓(xùn)練誤差小于10-3。由于數(shù)據(jù)間差異較大，為了使網(wǎng)絡(luò)具有良好的泛化能力，應(yīng)用Matlab自帶的歸一化函數(shù)premnmx()進(jìn)行數(shù)據(jù)歸一化，使所有數(shù)據(jù)在-1與1之間。訓(xùn)練曲線分別見圖1和圖2，預(yù)測結(jié)果見表2。

圖1 GA-BP適應(yīng)度曲線圖 圖2 GA-BP算法學(xué)習(xí)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(luò)的誤差平方和曲線大幅下降，適應(yīng)度函數(shù)曲線也在急劇的上升。說明遺傳算法的運(yùn)用收到了既定的效果，能夠幫助BP網(wǎng)絡(luò)快速地尋找到全局最優(yōu)點(diǎn)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(jìn)行局部空間的尋優(yōu)。從訓(xùn)練曲線可知網(wǎng)絡(luò)訓(xùn)練892步已達(dá)標(biāo)，從預(yù)測結(jié)果中可知13個(gè)樣本中預(yù)測結(jié)果最大誤差為12.5%，說明網(wǎng)絡(luò)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(jìn)行預(yù)測。

4 結(jié) 語

利用遺傳神經(jīng)網(wǎng)絡(luò)的自學(xué)與非線性擬合能力來對FRP布加固混凝土柱的承載力進(jìn)行預(yù)測，經(jīng)過預(yù)測研究表明，應(yīng)用遺傳神經(jīng)網(wǎng)絡(luò)對FRP布加固混凝土柱的承載力的預(yù)測是可行的。由于試驗(yàn)數(shù)據(jù)有限，難以滿足網(wǎng)絡(luò)訓(xùn)練的要求，所以導(dǎo)致預(yù)測結(jié)果誤差較大，如果增加訓(xùn)練樣本的數(shù)量，將會(huì)達(dá)到更加理想的效果。研究中筆者只考慮了承載力的預(yù)測，全面的分析有待于進(jìn)一步的研究。

[1]劉洪,馬力寧,黃楨.集成化人工智能技術(shù)及其在石油工程中的應(yīng)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(luò)的個(gè)股價(jià)格短期預(yù)測[J].西安石油大學(xué)學(xué)報(bào)，2010,25(2):88-90.

[3]潘奕,楊成,林擁軍.基于BP神經(jīng)網(wǎng)絡(luò)的FRP加固混凝土柱承載力預(yù)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(yàn)研究與分析[D].重慶:重慶大學(xué),2003.

[8]潘毅.短期和長期負(fù)載下FRP約束混凝土應(yīng)力-應(yīng)變模型的理論分析與試驗(yàn)研究[D].南京:東南大學(xué),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(xué)畢業(yè)，博士，國家一級(jí)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(xué)與研究工作。

李陽(1986-)，男，2009年大學(xué)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