基于RBF神经网络预测模型及其应用研究

摘要

利用径向基函数(Radial Basis Function,RBF)神经网络来预测结构初期损伤对整体的影响.可以有效地判断结构的稳定性.由于神经网络可以通过对样本_的反复学习来反映整体结构复杂的非线性演化关系,其预测精度可以满足要求.RBF神经网络作为一种性能良好的前馈网络,具有更好的逼近能力和全局最优特性.本文通过有限元计算得出样本作为基础,采用RBF神经网络建立初期损伤的预测系统,通过最近邻聚类学习算法实行整体结构预测,这种研究思路具有结构简单、学习速度快、预测精度高的特点,网络的外推能力也较强,计算效率明显优于传统方法.本系统采用Fortran语言编写,最后通过一个实例说明本系统的有效性及实用性.