基于神经网络的剪力墙极限承载力计算

层节点便越多，最 后 是 数 据 的 输 出 层 ，输出数据的个数便是输出 层 节 点 的 个 数 。剪 力 墙 抗 剪 承 载 力 公 式 矣 1/ U -0. 5)
[〇. 5办 人 +〇•i m 4„/4] + / ^ 4 人 々 [3]。高墙抗弯强度计算公式: 祀 = 4 /； L +4«/一 „/2 + 氣 / 2[4]。还有一系 列 根 据 剪 力 墙 破 坏 模 式 建 立 起 来 的 计 算 公 式 ，从 各 种 计 算 公 式 可 以 看 出 剪 力 墙 的 承 载 力 与 各 种 变 量 呈 现 复 杂 的 函 数 关 系 [5]，且 在 同 一 破 坏 模 式 下 其 基 本 的 函 数 关 系 是 确 定 的 ，而 径 向 基 神 经 网 络 能 够 逼 近 任 意 的 连 续 函 数 ，那 么 就 从 理 论 上 可 以 证 明 ：可以通过径向基神经网络系 统来预测剪力墙的极限承载力。
中图分类号:TU312
文献标识码:A
〇 引言 剪 力 墙 是 高 层 建 筑 抵 抗 侧 向 力 的 主 要 构 件 ，因 此 剪 力 墙 极 限
承 载 力 对 结 构 安 全 十 分 重 要 。一 位 有 经 验 的 工 程 师 不 用 计 算 就 能 大 致 判 断 出 一 个 钢 筋 混 凝 土 构 件 的 承 载 力 ，只 要 他 以 前 见 到 过 类 似的构件，不管是钢筋混凝土墙、钢 筋 混 凝 土 板 ，还是钢筋混凝 土 柱 。这是因为以前的经验数据已经存储在他的大脑中,遇到新 的类似的构件就能够通过与以往构件作对比的方式确定其大致 的承载力。人工神经网络系统正是模拟生物神经网络在 工 作 时 的 基 本 原 理 来 处 理 现 实 问 题 ，现 阶 段 人 工 神 经 网 络 系 统 已 经 在 土 木 工 程 当 中 得 到 一 些 运 用 但 运 用 范 围 还 不 是 很 广 泛 ，需 要 我 们 进 一步的探索和研究，特别是随着大数据时代的到来，各 种 工 程 、实 验 数 据的大量累计更有利于神经网络系统的发展。本文探讨了 神经网络系统在剪力墙极限承载力上的运用。
设 :有 iv 个 训 练 数 据 ，权 值 为 ％ ，则正则化径向基网络基本 结构图见图1。
图 1 径向基网络基本结构 实 际 输 出 为 。 = [D W ",)%.,… ，;rw ] , / 为输出层节点的 数 量 ，乙为神经网络的实际输出。输 出 层 第 y 个神经元输出的结 果为：
)%. = X % < ；)(尤i ，毛）J. = 1 ，2 ，… ，i 。
1 人工神经网络系统理论 2 0 世 纪 4 0 年 代 ，精神病和神经元解剖学家McCuUoch与数学
天 才 Pitts在生物物理学会期刊上发表文章提出神经元的数学描 述 与 结 构 ，并且从理论上证明只要有足够多的简单的神经元在这 些 神 经 元 相 互 连 接 同 步 运 行 的 情 况 下 ，神 经 网 络 能 够 计 算 任 何 已 知的函数。之后经过几十年的发展由不同的人提出了不 同 的 人 工 神 经 网 络 模 型 用 以 解 决 不 同 的 问 题 [6]。
在 人 工 神 经 网 络 中 ，最 重 要 的 概 念 莫 过 于 神 经 元 节 点 函 数 与 权 值 。神经元节点组成神经网络系统的基本结构而权值的改变 能够储存训练或学习过的知识。节点函数在有向图中表 现 为 节 点 ，节点间的相互连接强度便是权值。人工神经网络最大的特点 是 其 连 接 权 值 都 是 可 以 根 据 具 体 的 训 练 数 据 进 行 调 整 的 ，权 值 将 很 多 的 简 单 的 节 点 连 接 起 来 形 成 一 个 复 杂 的 数 据 处 理 系 统 ，人工 神 经 网 络 的 训 练 阶 段 便 是 权 值 不 断 调 整 的 阶 段 ，当 权 值 调 整 到 合 适的值之后神经网络系统就能得出理想的输出结果。网络将知 识 存 储 在 调 整 后 的 各 权 值 中 ,这 一 点 是 神 经 网 络 的 精 髓 。 2 径向基神经网络系统预测剪力墙的承载力
摘 要 : 采 用 1 5 片不同剪力墙的实验数据，将 1 1 片的实验数据作为神经网络的训练数据，其 余 4 片的实验数据作为验证数据，并
对 比 分 析 了 实 验 数 据 和 预 测 数 据 ，提 出 了 用 神 经 网 络 系 统 来 预 测 类 似 剪 力 墙 承 载 力 的 方 法 。
关键词:人工神经网络，剪 力 墙 ，极限承载力，径向基神经网络，matlab
现在在土木工程当中运用较多的是:B P 神经网络和径向基 神经网络。但 B P 神 经 网 络 学 习 速 度 慢 ，不适合实时性要求高的 场 合 。1988年 Broomhead和 Lowe用人工神经网络系统模拟生物 神经元局部响应的特点，编写出一种新的人工神经网络— 径向 基函数神经网络。在之后的实际运用中我们发现径向基 函 数 神 经 网 络 对 非 线 性 网 络 表 现 出 很 好 的 逼 近 的 能 力 ，慢 慢 在 越 来 越 多 的领域得到了实际运用。径向基函数网络是前向网络由 三 层 构 成 :首 先 是 变 量 的 输 人 叫 输 人 层 ，变 量 的 个 数 便 是 输 人 层 节 点 的 个 数 ，然后是数据的处理 层 叫 做 隐 含 层 ，处理的问题越复 杂 隐 含
第42卷 第 17期 •3 0 • 2 0 1 6 年 6 月
山西建筑
SHANXI ARCHITECTURE
Vol.42 No.17 Jun. 2016
文章编号：1009-6825 (2016) 17-0030-02
基于神经网络的剪力墙极限承载力计算
ห้องสมุดไป่ตู้
刘佳 罗健 常媛
(北京建筑大学，北 京 100044)
用训练样本分别输人解出所有权值％ ，然后再用训练好的网 络去计算。基 函 数 一 般 选 用Green函 数 ，若基函数为高斯函数，即 为：
命 ⑷ ，足 ）= exP(