[1]孙芳锦,张爱社..基于神经网络的大跨度屋盖非高斯风压场模拟方法[J].郑州大学学报(工学版),2011,32(04):13-17.[doi:10.3969/j.issn.1671-6833.2011.04.004]
点击复制

基于神经网络的大跨度屋盖非高斯风压场模拟方法()
分享到：

《郑州大学学报(工学版)》[ISSN:1671-6833/CN:41-1339/T]

卷:
32
期数:
2011年04期
页码:
13-17
栏目:
出版日期:
2011-07-10

文章信息/Info

作者:
孙芳锦; 张爱社.
同济大学土木工程防灾国家重点实验室,上海200092;辽宁工程技术大学建筑工程学院,辽宁阜新123000, 山东建筑大学土木工程学院,山东济南,250101
关键词:
RBF神经网络;  大跨度结构;  非高斯过程;  风压场模拟;  转换向量过程
DOI:
10.3969/j.issn.1671-6833.2011.04.004
摘要:
采用径向基函数神经网络(Radical Basis Function Neutral Networks,简称RBF神经网络)来模拟大跨度结构的非高斯风压场.根据某大跨度结构的形式特点,将结构风场看成是屋面位置和时间的函数,将风压场分解为一系列径向基函数.再利用单调非线性无记忆转换映射和RBF中获得的风场函数定义向量过程,从而将非高斯场的模拟转换为互相关高斯过程的模拟.将RBF神经网络应用于一大跨度屋盖的非高斯场模拟,得到结构上非高斯风压场的分布.结果对比表明,RBF神经网络模拟非高斯风压场具有较高的准确性.该方法可直接利用RBF神经网络的输出结果,避免推导高斯过程和非高斯过程的关系式,因此具有较高的效率.RBF神经网络模拟非高斯风压场在准确性和效率上均具有显著优势.

相似文献/References:

[1]蔡婉贞,黄 翰.基于 BP-RBF神经网络的组合模型预测港口物流需求研究[J].郑州大学学报(工学版),2019,40(05):84.[doi:10.13705/j.issn.1671-6833.2019.02.025]
　Cai Wanzhen,Huang Han.Research on Port Logistics Demand Forecasting Based on Combination Model of BP-RBF Neural Network[J].Journal of Zhengzhou University (Engineering Science),2019,40(04):84.[doi:10.13705/j.issn.1671-6833.2019.02.025]

更新日期/Last Update: 1900-01-01