-
题名基于在线神经网络算法的混合试验方法
被引量：16
- 1
-
-
作者
王涛
翟绪恒
孟丽岩
王贞
-
机构
中国地震局工程力学研究所中国地震局 地震工程与工程振动重点实验室
黑龙江科技大学建筑工程学院
哈尔滨工业大学土木工程学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2017年第14期1-8,共8页
-
基金
黑龙江省青年科学基金项目(QC2013C055)
国家自然科学基金项目(51408157
+1 种基金
51308159
51308160)
-
文摘
混合试验是一种将数值模拟与物理试验相结合的新兴结构抗震试验方法,得到了相关研究者们的广泛关注。如何模拟具有强非线性的数值子结构仍是混合试验亟待解决的问题。在传统的离线神经网络基础上提出一种在线学习的神经网络算法,并应用于混合试验中来在线预测数值子结构恢复力。在线学习算法仅利用当前步的系统输入和观测样本,采用递推形式更新每一步的权值和阈值。针对两个自由度非线性结构,分别进行了基于在线学习和离线学习神经网络的混合试验数值仿真。研究表明:与离线学习神经网络算法相比,在线学习神经网络算法具有更好的自适应性,能够有效提高恢复力预测精度和计算效率;基于在线学习神经网络算法的结构混合试验方法可以提高混合试验结果精度。
-
关键词
混合试验
神经网络
在线预测
恢复力
-
Keywords
hybrid testing method
neural network
online prediction
restoring force
-
分类号
TU317
[建筑科学—结构工程]
-
-
题名在线自适应神经网络算法及参数鲁棒性分析
被引量：11
- 2
-
-
作者
王涛
翟绪恒
孟丽岩
-
机构
中国地震局工程力学研究所中国地震局地震工程与工程振动重点实验室
黑龙江科技大学建筑工程学院
同济大学土木工程防灾国家重点实验室
-
出处
《振动与冲击》
EI
CSCD
北大核心
2019年第8期210-217,共8页
-
基金
黑龙江省省属高等学校基本科研业务费科研项目(2017)
黑龙江科技大学青年才俊培养计划(2017)
+1 种基金
国家自然科学基金(51408157)
黑龙江省青年科学基金(QC2013C055)
-
文摘
为了提高传统BP神经网络在线预测精度和计算效率,提出一种在线自适应神经网络算法。该算法在传统BP网络的输入层和隐含层之间增加一个反馈层,通过存储内部状态增强网络动态映射能力,以提高算法自适应性;同时,在学习阶段采用递推形式在线训练算法权值和阈值,以提高算法计算精度和计算效率。基于两组防屈曲支撑构件拟静力试验数据,在线预测防屈曲支撑恢复力。研究表明:与传统神经网络算法相比,在线自适应网络算法具有更好的在线预测精度和计算效率;通过对网络结构中的输入变量、输入和观测样本、隐含层激活函数等算法参数进行鲁棒性分析,找到算法参数对算法性能的影响规律,给出算法应用时参数选择的建议。
-
关键词
在线预测
神经网络算法
恢复力模型
鲁棒性分析
防屈曲支撑(BRB)
-
Keywords
on-line prediction
neural network algorithm
restoring force model
robustness analysis
buckling-restrained brace(BRB)
-
分类号
TU317
[建筑科学—结构工程]
-
-
题名基于在线神经网络算法的结构恢复力预测方法
被引量：1
- 3
-
-
作者
王涛
翟绪恒
孟丽岩
左敬岩
-
机构
黑龙江科技大学建筑工程学院
-
出处
《黑龙江科技大学学报》
CAS
2015年第6期649-653,675,共6页
-
基金
黑龙江省青年科学基金项目(QC2013C055)
国家自然科学基金项目(51408157
+1 种基金
51308159
51308160)
-
文摘
为实现在线预测非线性结构恢复力,提出一种在线BP神经网络算法。针对两个自由度非线性结构,进行了Bouc-Wen模型的恢复力预测,验证了在线神经网络算法的有效性。分析了样本数量以及目标误差对预测精度和计算耗时的影响。结果表明:与传统离线学习方式算法相比,在线学习算法提高了算法计算效率和预测精度;随着样本数量的减少,算法计算效率增快;随着目标误差减小,算法预测精度增大。
-
关键词
神经网络
恢复力
预测
在线
-
Keywords
neural network
restoring force
prediction
online
-
分类号
TU317
[建筑科学—结构工程]
P315.8
[天文地球—地震学]
-
