利用Elman神经网络鉴定建设结构可靠性.pdfVIP

利用 Elman 神经网络鉴定建筑结构可靠性 王威，韩阳，赵月平 (河南工业大学，郑州450052) E-mail：weiweikunlun2008@126.com 摘 要：根据影响建筑结构可靠性的各种不同性质因素特点和实际鉴定标准，利用 Elman 神经网络建 模评定分析建筑结构的可靠性等级。所得结果显示，相对于一般方法，其计算简洁，而精确度更高， 并且易于编程实现。 关键词：Elman 神经网络；鉴定；结构可靠性 1 引言 对建筑物结构的可靠性评价是目前人们普遍关注的问题之一，特别是随着结构使用寿命的增长， 受到使用条件变化以及环境侵蚀等因素的影响，导致结构性能逐渐减退乃至丧失，因此确立其可靠性 评定标准具有十分重要的意义。目前，建筑物可靠性鉴定的方法有多种[1] ，诸如：传统经验法、实用鉴 定法、可靠度鉴定法等等。在 《建筑结构可靠度设计统一标准》（GB50068-2001 ）和 《工业厂房可靠性 鉴定标准》（GBJ144 －90 ）中也明确规定了建筑结构可靠性鉴定的目的、程序、等级标准。但是，由 于建筑结构体系的可靠性等级评定的影响因素众多，目前尚无较完善的方法，因此仍需要对鉴定方法 进行进一步研究。 人工神经网络理论作为近十几年兴起的一门新兴交叉学科获得了较大的发展，它能处理高度非线 性问题，具有自学习、 自组织能力及很强的学习、联想、容错及抗干扰能力，能在不同程度和层次上 模仿大脑的信息处理机理，灵活方便地对多成因的复杂未知系数进行建模。建筑结构的鉴定和评估是 一个涉及多因素的复杂问题，这些因素之间又无明显的函数映射关系，显然对于这类难以建立精确数 学模型而又易于收集学习样本的问题来说，应用人工神经网络方法加以解决应是非常合适的。本文利 用 Elman 神经网络对建筑结构进行评估分析，取得了可靠的结果。 2 Elman 神经网络结构及其学习过程 2.1 Elman 神经网络结构 [4] Elman型回归神经元网络 一般分为 4 层：输入层、中间层（隐含层）、承接层和输出层。如图 1 所示，输入层、隐含层和输出层的连接与BP 网络类似。输入层的单元仅起信号输入作用，输层层单元 起线性加权作用。隐含层单元的传递可采用线性或非线性函数，承接层又称为上下文层或状态层，它 用来记忆隐含层单元前一层时刻的输出值，可以认为是一个一步延时算子。 图 1 Elman 神经网络的模型 2.1 Elman 神经网络的学习过程 -1- [5] 如图 1 所示，Elman 网络 的非线性状态空间表达式为： 3 ( ) ( ( )) y k g w x k （1） ( ) 1 ( ) 2 ( ) （2 ） x k f (w xc k +w u(k −1) ) ( ) ( ) x k x k −1 （3 ） c 其中， x u y ， ， ，xc 分别表示 m 维输出结点向量，n 维中间层结点单元向量，r 维输入向量和 n 维反馈状态向量。w3 ，w2 ，w1 分别表示中间层到输出层