文档名：基于BP神经网络的混凝土箱梁最大温度梯度预测
摘要：混凝土箱梁受到太阳辐射、大气温度波动等多种气象因素的综合作用,结构内部会产生显著的非均匀温度分布.截面内温度梯度可能会导致桥梁结构产生过大的温度应力与温度变形,影响桥梁结构的安全性和耐久性.本文旨在探究气象因素对混凝土箱梁温度场的影响机理,并提出一种能精确预测中国多区域混凝土箱梁截面最大温度梯度的方法.首先建立了日照条件下混凝土箱梁温度场计算模型,将2a以上气象资料作为输入条件,对多个地区混凝土箱梁温度场长期变化进行了仿真模拟,并对混凝土箱梁截面温度梯度的长期变化趋势进行了分析.然后利用主成分分析(PCA)确定了混凝土箱梁截面最大温度梯度预测模型所需的输入参数.最后利用遗传算法优化的BP神经网络建立预测混凝土箱梁竖向、横向温度梯度的网络模型,并与混凝土箱梁截面温度梯度进行比较.结果分析表明BP神经网络模型可以精确地预测混凝土箱梁最大温度梯度,预测值平均绝对误差(AAE)均小于0.9℃,均方根误差(RMSE)均小于1.2℃,决定系数(R2)均大于0.9.基于当地气象条件,本文利用经典的BP神经网络模型所建立的预测模型对中国不同地区的混凝土箱梁截面最大温度梯度均能给出准确的预测,为混凝土箱梁设计和施工阶段的最大温度梯度的计算提供一种高效的方法.
Abstract：Theconcretebox-girderissubjectedtothecombinedeffectsofvarioustime-varyingclimaticparameters,suchassolarradiationandatmospherictemperaturefluctuation,whichmayleadtosignificantnon-uniformtemperaturefieldinthebridgestructure.Temperaturegradientsalongthecross-sectionmayleadtoexcessivetemperaturestressesandtemperaturedeformations,therebydeterioratingthesafetyanddurabilityofbridgestructure.Thepurposeofthispaperwastoexploretheinfluencemechanismofclimaticparametersonthetemperaturefieldofconcretebox-girderandproposeanovelmethodforpredictingtheextremetemperaturegradientinconcretebox-girder.First,anumericalmodelwasestablishedtosimulatethetemperaturefieldinconcretebox-girderunderinsolationconditions.Thelong-termvariationofconcreteboxgirdertemperaturefieldinrespectofdifferentregionsinChinawassimulatedusingmeteorologicaldataformorethan2yearsasinputconditions.Thelong-termvariationtrendofthecross-sectionalmaximumtemperaturegradientofconcreteboxgirderswasalsoanalyzed.Then,theprincipalcomponentanalysis(PCA)wasconductedtodeterminetheinputparametersforthepredictionofmaximumtemperaturegradientofconcreteboxgirders.Finally,theBPneuralnetworkoptimizedbygeneticalgorithmwasestablishedtopredicttheverticalandtransversetemperaturegradientsofconcreteboxgirders.TheresultswerecomparedwiththemaximumtemperaturegradientsofconcreteboxgirdersinrespectofdifferentregionsinChina.TheanalyticalresultsindicatethattheBPneuralnetworkmodelshavehighaccuracyforpredictingthemaximumtemperaturegradientinconcretebox-girder,withtheabsoluteaverageerrors(AAE)lessthan0.8℃,theroot-mean-squareerrors(RMSE)lessthan1.2℃,andthecoefficientofdetermination(R2)greaterthan0.9.Basedonlocalmeteorologicalconditions,BPneuralnetworkpredictionmodelcanbeusedtodeterminethemaximumtemperaturegradientofconcreteboxgirdersindifferentregionsofChina.Thedevelopedpredictionmethodinthispapercanprovideanefficienttoolforcalculatingthemaximumtemperaturegradientforthedesignandconstructionphasesoftheconcretebox-girder.
作者：王凯 张勇 刘建磊 何旭辉 蔡陈之 黄石基 Author：WANGKai ZHANGYong LIUJianlei HEXuhui CAIChenzhi HUANGShiji
作者单位：中国铁道科学研究院集团有限公司铁道建筑研究所,北京100081中南大学土木工程学院,湖南长沙410075
刊名：铁道科学与工程学报
Journal：JournalofRailwayScienceandEngineering
年，卷(期)：2024, 21(2)
分类号：U441
关键词：桥梁工程 日照温度作用 BP神经网络 混凝土箱梁 温度梯度
Keywords：bridgeengineering solarthermalaction BPneuralnetwork concreteboxgirder temperaturegradient
机标分类号：TD352U441TU83
在线出版日期：2024年3月19日
基金项目：中国铁道科学研究院集团有限公司基金资助项目基于BP神经网络的混凝土箱梁最大温度梯度预测[
期刊论文] 铁道科学与工程学报--2024, 21(2)王凯 张勇 刘建磊 何旭辉 蔡陈之 黄石基混凝土箱梁受到太阳辐射、大气温度波动等多种气象因素的综合作用,结构内部会产生显著的非均匀温度分布.截面内温度梯度可能会导致桥梁结构产生过大的温度应力与温度变形,影响桥梁结构的安全性和耐久性.本文旨在探究气象...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于BP神经网络的混凝土箱梁最大温度梯度预测 Prediction of concrete box-girder maximum temperature gradient based on BP neural network
基于BP神经网络的混凝土箱梁最大温度梯度预测.pdf
- 文件大小:
- 8.16 MB
- 下载次数:
- 60
-
高速下载
|
