南京航空航天大学学报
南京航空航天大學學報
남경항공항천대학학보
JOURNAL OF NANJING UNIVERSITY OF AERONAUTICS & ASTRONAUTICS
2014年
4期
652-658
,共7页
柯世堂%初建祥%陈剑宇%瞿宗新
柯世堂%初建祥%陳劍宇%瞿宗新
가세당%초건상%진검우%구종신
大型冷却塔%灰色系统%神经网络%风振预测%风振系数%风洞试验
大型冷卻塔%灰色繫統%神經網絡%風振預測%風振繫數%風洞試驗
대형냉각탑%회색계통%신경망락%풍진예측%풍진계수%풍동시험
large cooling towers%grey system%neural network%wind vibration prediction%wind vibration coefficients%wind tunnel test
基于灰色GM(1,1)模型和BP人工神经网络,建立灰色-神经网络联合的大型冷却塔平均位移和风振系数预测模型.该联合模型增强了预测结果的自适应性和准确性,能解决因气弹模型试验中测点样本数目太少而无法直接建立神经网络预测模型的局限.通过某大型冷却塔气弹模型风洞试验结果的算例分析,表明该组合模型对于平均位移和风振系数的预测结果均与试验结果吻合良好,随后基于已训练的模型给出结构风振反应精细化分析所需的输入参数预测结果.这为冷却塔结构风效应的精细化研究提供了一个新的有效方法.
基于灰色GM(1,1)模型和BP人工神經網絡,建立灰色-神經網絡聯閤的大型冷卻塔平均位移和風振繫數預測模型.該聯閤模型增彊瞭預測結果的自適應性和準確性,能解決因氣彈模型試驗中測點樣本數目太少而無法直接建立神經網絡預測模型的跼限.通過某大型冷卻塔氣彈模型風洞試驗結果的算例分析,錶明該組閤模型對于平均位移和風振繫數的預測結果均與試驗結果吻閤良好,隨後基于已訓練的模型給齣結構風振反應精細化分析所需的輸入參數預測結果.這為冷卻塔結構風效應的精細化研究提供瞭一箇新的有效方法.
기우회색GM(1,1)모형화BP인공신경망락,건립회색-신경망락연합적대형냉각탑평균위이화풍진계수예측모형.해연합모형증강료예측결과적자괄응성화준학성,능해결인기탄모형시험중측점양본수목태소이무법직접건립신경망락예측모형적국한.통과모대형냉각탑기탄모형풍동시험결과적산례분석,표명해조합모형대우평균위이화풍진계수적예측결과균여시험결과문합량호,수후기우이훈련적모형급출결구풍진반응정세화분석소수적수입삼수예측결과.저위냉각탑결구풍효응적정세화연구제공료일개신적유효방법.
