机器学习驱动的钢筋混凝土侵彻深度预测方法OA
侵彻深度是衡量钢筋混凝土抗侵彻性能的核心参数,其预测准确性一直是工程防护领域关注的重点.然而,由于试验开展困难、数值模拟以及经验公式的可靠性不足,现有的预测手段普遍存在精度较低的情况.针对此问题,结合试验数据和数值模拟结果,采用人工神经网络(ANN)方法构建一个用于评估钢筋混凝土侵彻深度的预测方法.研究结果表明,ANN模型进行侵彻深度预测具有较强的可靠性和准确性.ANN预测结果的平均误差为13.87%,明显优于经验公式,表明了ANN模型在处理侵彻深度预测问题时的良好性能.此外,通过对ANN模型的权重倾向性进行输入特征的敏感性分析,可见弹体速度和混凝土强度对侵彻深度表现出显著的敏感性.在组合参数的分析中,虽然参数整合有助于提高预测模型的精度,但并非所有参数的组合都会增强对侵彻深度的敏感性.无量纲弹体质量和撞击因子对侵彻深度的影响更为显著,而弹体重力影响因子的敏感性则相对较低.
刘庆庆;艾天淳;赵嘉玮
上海交通大学船舶海洋与建筑工程学院,上海200240 中国人民解放军军事科学院国防工程研究院目标易损性评估国家重点实验室,北京100036 军事科学院国防工程研究院,北京100036中国人民解放军军事科学院国防工程研究院目标易损性评估国家重点实验室,北京100036 军事科学院国防工程研究院,北京100036天津大学建筑工程学院,天津300354
数理科学
侵彻深度预测分析方法人工神经网络钢筋混凝土敏感性
《徐州工程学院学报(自然科学版)》 2026 (2)
P.33-43,11
评论