典型文献
基于神经网络算法的发射场坪承载能力预测方法
文献摘要：
为进一步提高发射场坪的快速选定能力,提出基于线性多元回归算法、反向传播(BP)神经网络算法和径向基函数(RBF)神经网络算法的发射场坪承载特性近似模型,对其承载能力进行快速预测.采用了引入参数敏感度的优化拉丁超立方采样方法,构建样本空间并分别建立起竖载荷和发射载荷下的算法预测近似模型;利用上述预测算法,通过某结构参数未知的场坪在起竖载荷下的动力学响应,预测其在发射载荷下的可能最大弯沉值,判断土基弹性模量未知的发射场坪承载能力.结果表明:RBF神经网络算法对起竖载荷和发射载荷下的场坪最大弯沉量均具有最优的预测性能,与有限元计算结果相对比,回归系数分别为0.941和0.983,模型精度较高,具有可信性;预测结果与仿真结果的平均误差为10.46％;对于承载强度较大的场坪,残差范围在±2 mm以内,对发射过程中的场坪选定决策具有参考价值.
文献关键词：
发射场坪;神经网络算法;承载能力预测;反向传播;径向基函数;线性多元回归算法
中图分类号：
作者姓名：
励明君;姜毅;马立琦;潘霄
作者机构：
北京理工大学 宇航学院, 北京100081
文献出处：
引用格式：
[1]励明君;姜毅;马立琦;潘霄-.基于神经网络算法的发射场坪承载能力预测方法)[J].兵工学报,2022(05):982-991
A类：
发射场坪,线性多元回归算法
B类：
神经网络算法,承载能力预测,定能,反向传播,径向基函数,RBF,承载特性,近似模型,快速预测,参数敏感度,优化拉丁超立方,拉丁超立方采样,采样方法,样本空间,算法预测,预测算法,动力学响应,弯沉值,土基,弹性模量,预测性能,有限元计算,回归系数,模型精度,可信性,平均误差,承载强度
AB值：
0.243472
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
