基于試驗或數值模擬的單一墩柱橋梁模板力學性能分析方法難以兼顧計算精度和效率，純數據驅動的分析方法存在可解釋性差和對數據依賴性強等問題。為此，本文通過研究鋼筋混凝土(RC)墩柱橋梁模板力學性能試驗數據、經驗知識和機器學習的融合機制，提出了經驗知識監督的RC墩柱橋梁模板力學性能神經網絡分析方法。首先，建立了包含761組RC墩柱橋梁模板擬靜力試驗樣本的數據庫;隨后，基于經驗知識分析了RC墩柱橋梁模板主要特征對其力學性能的影響規律，構建了相應的數學表征方法;最后，將RC墩柱橋梁模板試驗數據及經驗知識融人人工神經網絡架構和訓練過程，建立了高精度、可解釋、可通用且不依賴大量訓練數據的RC墩柱橋梁模板力學性能KGNN分析模型。本文提出的KGNN分析方法與純數據驅動神經網絡(BPNN)的結果對比表明:BPNN在測試集上表現更好，在分析墩柱橋梁模板承載力時均方根誤差(引和擬合系數(擴)分別為0.070和0.978, KGNN模型的E和擴分別為0.108和0.942;但由于BPNN所預測的墩柱橋梁模板特征對承載力的影響規律與經驗知識并不吻合，即未能準確反映墩柱橋梁模板特征與其力學性能間的關系，BPNN模型發生了過擬合;而KGNN方法不僅可以快速準確獲得RC墩柱橋梁模板力學性能，且預測規律與經驗知識吻合較好，具有更高的可靠性和實用性。因此，融合試驗數據與經驗知識的神經網絡有望成為一種新的RC結構力學性能分析方法。
鋼筋混凝土(RC)墩柱橋梁模板可以綜合利用鋼筋和混凝土的材料力學特性，是建筑、橋梁等現代結構的主要支撐構件。然而，災后調查表明:在地震等自然災害作用下墩柱橋梁模板容易受到損傷，這可能導致嚴重后果。例如地震導致25%的橋梁墩柱橋梁模板完全損壞，嚴重阻礙震后搶險救災和恢復重建工作的開展，直接經濟損失達26g億美元。為了確保結構安全，需要進行合理的抗震設計和分析，即能夠快速準確地獲得RC墩柱橋梁模板力學性能。http://www.p2y8erm.cn/ |
