没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
Engineering Design
| 工程设计 |
·
195
·
2019 年第 24 期
基于神经网络的高层建筑结构分析
张 威,刘文鹤,钟多利
(萍乡市赣西建筑设计院有限公司,江西萍乡337000)
摘 要:文章对高层建筑结构选型的意义和原则进行分析,并对神经网络的理论基础加以阐述,在此基础上,对高层建
筑结构选型内容与方法进行研究,主要包括网络模型构建、数变换与处理、网络结构确定、网络训练与结果分析等内容,
力求通过文章的研究,使高层建筑结构设计效率得到显著提升。
关键词:神经网络;高层建筑;建筑结构选型;主体结构;BP 算法
中图分类号:
TU973
+
.2
文献标志码:
A
文章编号:
2096-2789
(
2019
)24-
0195
-
02
作者简介:张威(1985—),男,助理工程师,研究方向:
建筑结构。
1
高层建筑结构选型的意义与原则
1.1
现实意义
在土木工程中,建筑结构初步设计是最为基础的工
作,在此基础上方可进行结构分析与设计,初步设计水
平对整体结构质量具有直接影响。但是,在初步设计过
程中,通常无法对各类影响因素进行准确描述,对此,
设计者应在综合考虑大量不确定因素的基础上形成结构
方案,并由经验丰富的专业人员负责,使初步设计中面
临的复杂问题得到有效处理。从建筑安全与经济性层面
来看,通常高层建筑的结构设计比常规建筑设计的难度
更大,受层数、高度、平面形状、抗震度等多种因素影响,
应全方位、多角度地进行考虑,才可确保建筑结构选型
准确。
1.2
选型原则
以地震区高层建筑为例,在构建结构体系时,应对
材料用量、建筑空间、高度等多种因素综合考虑,遵循
以下原则进行科学选型:(1)明确计算简图与地震力
传输渠道;(2)多条抗震放线,确保整体体系的抗震性、
承受力不受局部零件状况的影响;(3)拥有充足的承
载力、较多的耗能潜力与良好的延性,当结构体系遇到
地震时能够具备充足的防倒塌能力;(4)顺着水平与
垂直方向,使结构强度与刚度均匀分布,与实际需求相
结合,以免因局部突变形成薄弱点,避免应力集中
[1]
。
2
神经网络的理论基础
2.1
神经元模型
通过对生物神经元信息传递特点进行模拟,构建出
人工神经元模型。对信息传递进行模拟,可构建出神经
元模型,如图 1 所示。
图中,X
1
与 X
2
代表的是输入端突触的两个信号;
ω
1i
、ω
2i
分别代表的是 X
1
与 X
2
突触连接权系数;ω
ni
代表的是对传播强度进行模拟的系数;∑ 代表的是突触
信号空间累积量;f 代表的是神经元中的响应系数;0 代
表的是阈值;y
i
代表的是神经元非线性函数,较为常用
的函数类型如下。
(1)阈值函数。在上述模型中,神经元内部无状态,
当 y
i
的数值为 1 或者 0 时,f(x)作为线性函数,其所
示的一阶跃函数为:当 x 的数值超过 0 时,f(x)的数
值为 1,当 x 的数值小于 0 时,f(x)的数值为 0;当 y
i
的数值为 1 或者 -1 时,当 x 的数值超过 0 时,sgn(x)
的数值为 1,当 x 的数值小于 0 时,sgn(x)的数值为 -1。
(2)S 型函数。一般情况下,在(0,1)或者(-1,
1)中选择具有连续性的单调函数,如式(1)所示,一
般用 s 型函数来表示。
(1)
在 f(x)中,当 β 数值不同时,绘制的曲线也有
所差别;当 β 的数值为无穷时,S 状曲线与阶跃函数更
加接近。一般情况下,β 的数值为 1
[2]
。
2.2
构成内容
在模型构建完毕后,网络特性与能力由拓扑结构来
决定 . 该网络中主要包括以下内容:
(1)前馈网络,该网络中的神经为分层排列,各
个神经元与上一层相互连接,最高层为输出层,隐含层
的数量不定,在神经网络中得到普遍应用,如感知器等。
(2)前向网络。网络自身属于前向型,与上一种
有所区别,主要为反馈回路,如 Fukushima 网络。
(3)层内互连网络,层内的神经元彼此相连,在
相同的层次中可实现横向抑制,对现时动作神经数量进
行限制,也可将层内神经划分为多个小组,使每个小组
单独动作,例如自组织神经网络。
(4)互连网络,包括局部类与全互类。前者主要
是指神经元部分互连,一有些神经元之间无连接关系,
后者是指全部神经元均彼此相连,例如 Boitzmann 机。
3
基于神经网络的高层建筑结构选型分析
3.1
网络模型构建
在神经网络中,任意输入节点均与样本特征相对应,
在输出层中,点数与类别数值相对,每个节点都有自己
所对应的类。在训练过程中,如若输入样本的标号为 i,
期望输出的第 i 个节点数值为 1,剩余数值为 0。在识别
过程中,当未知类别样本应用到输入端后,对不同输出
节点的数值进行考察,对样本类型进行界定,判断出最
大节点所对应的类别,这便是模式识别的最基本方式。
P 代表的是输入样本,数量为 50,每个样本中都包含 4
图 1 神经元模型
资源评论
数据资源
- 粉丝: 112
- 资源: 23万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功