基于BP-AR的混凝土碳化深度预测算法研究

作者：杨雪华; 董振平; 于军琪; 赵安军; 魏廷剑

来源：混凝土, 2019, (11): 6-9.

• 碳化深度
• BP神经网络
• 时间序列
• 预测

混凝土碳化深度的影响因素众多又复杂且对时间有较强的依赖性,现有的混凝土碳化深度预测方法不能把所有影响因素充分考虑进去,导致其预测精度不够准确。提出一种BP-AR融合算法,该算法利用BP神经网络预测碳化深度,再通过时间序列方法对预测值进一步修正。通过试验分析,时间序列方法能够通过BP神经网络预测的碳化深度值发现碳化反应随时间变化的规律,BP-AR算法比BP神经网络预测碳化深度精度更高,弥补了因数据量有限而造成较大的预测误差。

• 单位
  土木工程学院; 西安建筑科技大学