[发明专利]一种基于BP人工神经网络的砌体构件单轴抗压强度计算方法

说明书

本发明公开了一种基于BP人工神经网络的砌体构件单轴抗压强度计算方法，本发明收集既有砌体抗压强度试验数据并进行归一化处理；量化砌体强度影响因素的显著性，并在此基础上提选砌体抗压强度主要影响因素建立人工神经网络模型；从所收集的砌体抗压强度试验数据中随机挑选训练、验证和测试样本，对模型进行训练；调整人工神经网络模型隐含层神经元数量进行试算，提选计算精度和稳定性共优的模型用于计算砌体抗压强度。本发明基于BP人工神经网络的砌体抗压强度计算方法在保证快速计算和批量应用的前提下，提高了现有砌体强度计算方法的精度和稳定性，可适用于各类砌体结构的设计，确定其极限抗压承载力。

技术领域

本发明属于土木工程领域，具体涉及一种基于BP人工神经网络的砌体构件单轴抗压强度计算方法。

背景技术

现阶段，砌体结构、砖混结构仍是我国广大村镇地区住宅的主要结构形式，对于此类结构的设计和加固，砌体构件的单轴抗压强度被认为是最重要的力学参数之一。由于影响砌体构件抗压强度的影响因素众多，且相互间存在此消彼长的矛盾关系，精准确定砌体构件抗压强度成为研究和设计人员长期追寻的目标。目前，用于确定砌体构件抗压强度的方法大致可分为基于简化力学模型推到的理论公式和基于统计分析得出的经验公式两大类。但理论公式存在涉及参数过多，经验公式过度倚赖统计样本，存在适用性差、准确度低等诸多缺陷。基于误差反向传播算法的多层前馈型人工神经网络(Back-PropagationArtificial Neural Network，BP-ANN)是一种用于模拟变量和因变量之间复杂非线性映射规律的人工智能工具。相较于传统的统计分析方法BP-ANN具备适用范围广、计算精度高、工作效率高等诸多优势，近年来在土木工程领域得到了广泛应用，例如计算梁、板、柱等受力构件的承载力，建立材料的应力-应变关系曲线，预估材料的基本力学性能参数等。有鉴于此，确有必要将BP-ANN应用于砌体类构件单轴抗压强度的预测，建立一种精度高、稳定性好、适用性强的砌体抗压强度计算方法。

发明内容

本发明的目的在于克服现有技术中经验模型计算方法和简化力学模型计算方法的不足，引入人工智能技术，建立一种精度高、稳定性好、实用性强基于BP人工神经网络的砌体构件单轴抗压强度计算方法。

为了达到上述目的，本发明包括以下步骤：

S1，收集既有砌体抗压强度试验数据，并对所收集数据进行归一化处理；

S2，对砌体抗压强度的各个影响因素进行显著性分析，根据显著性分析确定主要因素，提选主要因素构建砌体抗压强度人工神经网络计算模型；

S3，从S1中收集的砌体抗压强度试验数据中随机挑选训练样本，验证样本和测试样本，对S2所建立的砌体抗压强度人工神经网络计算模型进行训练；

S4，根据输入层和输出层神经元个数调整S3中砌体抗压强度人工神经网络计算模型的隐含层神经元数量，并进行试算，探明隐含层神经元变化对模型计算精度的影响规律，确定兼顾稳定性和计算精度的砌体抗压强度人工神经网络计算模型。

S1中，既有砌体单轴抗压强度试验数据包括砌体几何参数(高厚比、灰缝厚度、组砌方式)、砌体力学参数(抗压强度、弹性模量)、砌块及粘结材料力学参数(抗压强度、抗折强度、弹性模量)。

S1中，对所收集数据进行归一化处理通入如下方法：

X′_i＝0.9+0.8×(X_i-X_max)/X_max-X_min

归一化至[0,0.9]；

其中，X′_i为处理后数据；X_i为待处理数据；X_min为待处理数据最小值；X_max为待处理数据最大值。

S2中，显著性分析采用傅里叶灵敏度分析法进行。