基于ANFIS和混合型ANFIS机器学习模型的FRP与混凝土粘结强度估算

摘要整理

采用自适应神经模糊推理系统（ANFIS）和粒子群优化（PSO）算法建立了预测碳纤维增强复合材料（CFRP）与混凝土表面粘结强度的数值工具。基于相关文献建立了包含242个试验样本的可靠数据库，并确定了6个主要影响粘结强度的输入因素，包括梁宽度、混凝土抗压强度、FRP厚度、FRP弹性模量、FRP长度和FRP宽度。通过标准统计指标将两个预测模型（ANFIS和ANFIS-PSO混合模型）的输出结果与实验数据进行对比验证。研究表明，两个模型均可作为预测FRP与混凝土粘结强度的有效替代方法，为工程应用中的粘结性能评估提供了可靠的预测工具。ANFIS-PSO混合模型通过融合粒子群优化算法，进一步提高了预测精度和泛化能力，在复杂非线性关系的建模中表现出色。

相关论文