基于BP 神经网络CFRP 约束混凝土抗压强度预测

马高，刘康

（1.湖南大学 土木工程学院，湖南 长沙 410082；2.工程结构损伤诊断湖南省重点实验室（湖南大学），湖南 长沙 410082）

纤维增强复合材料（Fiber Reinforced Polymer，FRP）以其优越的材料性能可对混凝土提供有效的横向约束，从而提高混凝土柱的承载能力和抗震性能.随着对FRP 约束混凝土力学性能研究的不断深入，国内外已经积累了大量的试验数据和混凝土本构模型[1-3].Singh 和Patra[4]收集了755 个试验数据对56个FRP 约束混凝土强度回归模型进行了评价，发现部分模型的预测结果偏于保守，按回归方法得到的抗压强度预测值远低于试验数据；而部分回归模型的预测值与试验值之比的平均值高达2.2～3.8，且预测结果变异系数较大.显然，按传统统计回归方法得到的强度预测模型具有一定的局限性.BP 神经网络由于其优异的自学习和自适应能力，具有良好的研究与应用前景.朱先勇等[5]通过BP 神经网络的训练和神经元间连接权值的调整，建立了合金成分与球墨铸铁组织和力学性能的复杂联系.唐和生等[6]建立了基于人工神经网络的矩形混凝土柱屈服性能的预测方法，发现与经验预测模型相比，神经网络方法吻合程度更高.在FRP 加固混凝土结构方面，也已开展了一些研究[7-9]，均发现BP 神经网络能对结果进行很好的预测，具有较强的映射能力.

目前神经网络的研究大多集中在提高预测精度方面，而对于如何把结果形成简单的数学表达式的研究还很少.Jφrgensen 等[10]利用BP 神经网络原理将压弯荷载作……