基于改进的径向基函数神经网络水泥强度预测方法
2017-06-05郭一军赵年顺黄山学院机电工程学院安徽黄山245041
淮北师范大学学报(自然科学版) 2017年2期
郭一军,赵年顺,赵 磊(黄山学院 机电工程学院,安徽 黄山 245041)
基于改进的径向基函数神经网络水泥强度预测方法
郭一军,赵年顺,赵 磊
(黄山学院 机电工程学院,安徽 黄山 245041)
通过将遗传算法应用于径向基函数神经网络参数设计中,提出一种基于遗传算法优化的径向基函数神经网络水泥强度值预测模型,实现径向基函数神经网络隐层节点函数的中心矢量、基宽向量和隐层与输出层之间权值的优化设计.以经归一化处理后的输入样本数据为模型输入,以水泥28 d强度值为模型输出,建立经遗传算法优化后的径向基函数神经网络预测模型.仿真结果表明,优化后的径向基函数神经网络能达到较高的预测精度,可用于水泥强度的预测.
径向基函数神经网络;遗传优化;预测;水泥强度
0 引言
水泥强度为水泥试件单位面积上所能承受的外力,是水泥的重要性能指标,体现水泥的胶结能力,也是混凝土强度的根本来源.因此水泥强度的预测和应用具有极为重要的实际意义.影响水泥强度的因素较多,水泥强度预测是一个复杂的多变量、时滞、非线性问题,采用普通的建模方法很难准确预测水泥的强度.
人工神经网络反映人脑功能的基本特征,具有很强的自组织、自适应性和学习能力,以及较高的运算速度和较强的非线性映射能力,能够精确地逼近一个非线性动态过程[1-2],是一种智能学习算法.其中的RBF(Radial Basis Function,RBF,径向基函数)神经网络是一种……
登录APP查看全文
