论文部分内容阅读
提出了基于神经网络的高温下（后）预应力损失的评价方法．针对影响高温下（后）预应力损失的复杂多变性和相当强的不确定性，建立了基于神经网络的高温下（后）预应力损失模型．运用神经网络强大的自适应、自组织、自学习的能力以及高度的非线性映射性、泛化性和容错性的特点，通过对训练样本的神经网络学习，建立了预应力损失与温度、初始有效预应力以及高温条件的网络关系，最终实现了对测试样本的预应力损失预报．