詹界东，李 阳

(东北石油大学土木建筑工程学院 大庆 163318)

0 引言

将FRP布黏贴在混凝土柱的表面，FRP布就可以与混凝土柱共同作用，一起来承担梁板传来的荷载，从而加强混凝土柱的承载力，因此利用FRP布加固混凝土柱已被广泛应用在土木工程工程中。但是由于FRP布加固混凝土柱所获得的效果受到很多因素的影响，具有很大的非线性，因此加固后柱的承载力是很难确定的。本文利用遗传神经网络方法对RBF布加固后的混凝土柱承载力进行预测。该方法具有传统神经网络的信息分布存储、并行处理、自我学习以及特有的非线性信息处理能力，并且拥有遗传算法的全局搜索能力的优点。

1 遗传神经网络

虽然BP神经网络具有强大的自适应和自学习能力，可以进行大规模数据处理以及具有极强的非线性逼近和容错能力等优点，但是传统的BP神经网络应用的BP算法是基于误差函数梯度信息进行搜索，其局部搜索能力强，全局搜索能力差，经常会使BP神经网络陷入局部无穷小，从而影响神经网络的泛化能力。遗传算法(GA)借鉴了达尔文的进化论和孟德尔的遗传学说，其本质是一种高效、并行、全局搜索的方法，它能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最优解。因此，将遗传算法和神经网络有机结合以提高收敛速度、避免陷入局部最优来解决复杂问题已经越来越受到人们的重视［1］。遗传神经网络的算法基本步骤如下:

(1)编码:将网络的权值分别用实数表示并设定参数:输入种群规模、交叉概率、变异概率、网络层数(不包括输入层)、每层神经元数。

(2)初始化种群:随机产生n个权值矩阵构成初始种群，每个矩阵代表一个待训练神经网络。

(3)评价:对每个神经网络以前向方式运行，计算评价函数值，并保留最优个体。

(4)遗传操作:依次进行选择、交换、变异、BP训练，保留最优个体，并计算评价函数值。若误差达到指定的精度，则转(5)，否则，转(4)。

(5)结束［2］。

2 样本数据的采集

大量试验结果表明，FRP加固柱承载力的主要影响因素有:(1)截面面积Ac;(2)混凝土立方体抗压强度fc;(3)纵筋承载力Asfy，即，其中As为纵筋面积，fy为纵筋的屈服强度;(4)截面形状系数ξ，其中圆形截面取ξ=1.0，方形截面取ξ=0.8矩形截面取 ξ=0.7;(5)含纤特征值 λ=μfFRP/fc，其中μ为FRP与约束混凝土的体积比，fFRP为FRP的抗拉强度;(6)轴压比β;(7)粘贴层数 n［3］。

文中从相关文献共收集36个实验样本［4－9］，其中将23个样本作为神经网络的训练样本来训练神经网络如表1，剩下的13个样本作为预测样本，来校核神经网络，如表2所示。

表1 神经网络学习样本

表2 神经网络预测样本

3 神经网络建立与训练

由于影响FRP布加固混凝土柱的承载力的影响因素有7个，所以网络的输出层的神经元为7个，经过试算隐含层的神经元个数为30个，输出结果为加固后的承载力，所以输出层神经元的个数为1个，即遗传神经网络结构是7－30－1，隐含层和输出层神经元的变换函数采用tan2sigmoid型函数tansig;训练函数采用traingdm函数。遗传算法中令种群数为80，交叉概率Pc=0.6，变异率 Pm=0.05，最大迭代次数为 30，终止条件设为网络训练误差小于10－3。由于数据间差异较大，为了使网络具有良好的泛化能力，应用MATLAB自带的归一化函数premnmx()进行数据归一化，使所有数据在－1与1之间。训练曲线分别见图1、图2和图3，预测结果见表2。

从图中可以看出，遗传算法具有快速寻优的特性，经过5代左右遗传迭代，网络的误差平方和曲线大幅下降，适应度函数曲线也在急剧的上升。说明遗传算法的运用收到了既定的效果，能够帮助BP网络快速地寻找到全局最优点附近，在经过50代遗传迭代后，遗传搜索停止，而转入BP算法，进行局部空间的寻优。从训练曲线可知网络训练892步已达标，从预测结果中可知13个样本中预测结果最大误差为12.5%，说明网络的泛化能力很好，可以用来对加固后的混凝土柱的承载力进行预测。

图3 GA－BP算法学习过程误差曲

4 结束语

文中利用遗传神经网络的自学与非线性拟合能力来对FRP布加固混凝土柱的承载力进行研究，经过预测研究表明应用遗传神经网络对FRP布加固混凝土柱的承载力的预测是可行的，但是由于本文中的实验数据有限，难以满足网络训练的要求，所以导致预测结果误差较大，如果增加训练样本的数量，将会达到更加理想的效果。只考虑了承载力的预测，全面的分析有待于进一步的研究。

［1］刘洪，马力宁，黄桢.集成化人工智能技术及其在石油工程中的应用［M］.石油工业出版社.2008.

［2］郝华宁，刘阳;基于遗传神经网络的个股价格短期预测［J］.西安石油大学报报.2010，25(2):88－90.

［3］潘奕，杨成，林拥军;基于BP神经网络的FRP加固混凝土柱承载力预测［J］.2008.43(6):736 －739.

［4］KSHIRSAGARS，LOPEZARA，GUPTARK.Environmental aging of fibre－reinforced polymer－wrapped concrete cylinders［J］.ACI Material Journal，2000，97(6):703－712.

［5］ROCHETTEP，LABOSSIEREP.Axial testing of rectangular column models confined with composites［J］.Journal of Composites for Construction，2000，4(3):129－136.

［6］ZHANG S，YE L，MAIY W.A study on polymer composites strengthening systems for concrete columns［J］.Application of Composites Material，2000，7(3):125－138.

［7］敬登虎.GFRP组合RC柱轴心受压的试验研究与分析［D］.重庆:重庆大学土木工程学院，2003.

［8］王宏畅，李国芬，王元纲.基于神经网络的沥青路面基层裂缝应力强度因子预测模型［J］.森林工程，2010，26(4):67 －71.

［9］潘毅.短期和长期负载下FRP约束混凝土应力－应变模型的理论分析与试验研究［D］.南京:东南大学土木工程 学，2008.