资 源 简 介
抗压强度是混凝土的重要指标之一，是建筑设计和工程施工中的重要参数。利用神经网络对混凝土强度进行预测是一种有效且较为精确的手段，由于强度影响因素相互作用呈非线性化，其实际测量值具有模糊性和随机性，选择合适的RBF网络结构才能使得混凝土强度预测更加适合实际工程应用。
为综合考虑影响因索之间的非线性关系，常用的RBF神经网络的隐含层的确定多采用：K-均值聚类算法、梯度下降发和OLS法。但是在实际工程作业中，迭代次数、训练时间、数据规范化以及权值的确定都会影响RBF网络的预测结果。自李德毅等提出并定义了隶属云模型，云模型作为一个有效的知识挖掘和不确定性研究工具，开始于神经网络广泛结合并完善了预测模型的构建。
其中，云RBF神经网络综合了云理论和RBF的算法，其参数通过正态云变换，并发挥了神经网络数据自动处理的优势，体现了智能与模糊的结合。由于混凝土强度与多种因素相关，构建高维的云模型可以更好的建立出隐含层神经元，提高预测的准确性。本文尝试将高维云模型理论应用于混凝土强度预测，提出了一种基于高维云模型和RBF神经网络的混凝土强度预测方法。
