摘要
高层建筑结构初步设计是一个涉及面广、综合性强的工作，需要多方面的知识和丰
富的工程设计经验，目前国内外尚无理论对其进行充分的研究。本文介绍了一种基于
人工神经网络的方法来进行高层结构体系的选择，它充分运用了神经网络高度的非线
性、高度的容错性和鲁棒性、自学习、实时处理等特点。本文研究结果表明，利用人
工神经网络方法可以解决高层建筑结构选型问题。
本文首先分析高层建筑主要结构型式的特点以及适用范围，提取了高层建筑结构选
型的主要控制因素，并以此建立了基于人工神经网络的高层结构选型的数学模型。探
讨了BP人工神经网络隐层个数和隐层单元节点数的选取问题，确定了BP神经网络的
隐层结构。利用确定的BP网络结构，分别采用传统的BP算法、改进的带动量自适应
学习率BP算法，以及L—M算法，分析、解决高层结构选型问题。从本文研究可得出
结论，普通的BP算法无法适应土木工程中大规模的数据结构，应采用改进的L—M算
法，该算法收敛较普通BP算法快10~2～10~3倍，精度高，能够较好地解决土木工程中的
高层建筑结构选型问题。本文还提出使用径向基函数神经网络，该网络的应用在土木
工程领域尚未见有关文献公开发表。经本文研究表明，径向基函数神经网络运算速度
较普通BP算法快10~3～10~4倍，并且精度高，应用径向基函数神经网络可以高效、高质
地完成高层建筑结构选型任务。
In the early stage of the design process, the design of tall building is a complex work. It needs various knowledge and professional experience for the structural design. A way concerned about the choice of structural styles is put forward based on artificial neural network in this paper. The qualities of the ANN, high- nonlinear ,high- permissibility of error and high- robustness, self- adaptability, online work, and so on, are adequately used in the research. From the research we know that the method based on ANN can solve the problem on choice of structural styles.
First of all, the main characters of tall building are analyzed, and the main factors that can dominate choice of structural styles are picked out, and the mathematics model of the choice of structural styles based on ANN is established. Then, the question on how to choose the numbers of the hidden-layer and neuron is discussed. Two kinds of ANN, BP neural network and radial basis function neural network, are respectively used in the paper. Three kinds of BP algorithm, traditional BP algorithm, improved self-adaptive learning algorithm with momentum, and L-M algorithm, are discussed and compared in the course of analysis. It is concluded that traditional BP algorithm is not suitable for the complex data structure in the field of civil engineering, and improved L-M algorithm whose running-speed is 102~ ~ times faster than traditional BP algorithm, can deal with the problem on choice of structural styles very well. RBFNN is also introduced and used in this paper, the application of which has not been published in the field of civil engineering yet. And from the research, it is concluded that RBFN7N whose running-speed is l0~-10~ times faster than traditional BP algorithm is more efficient than BP neural network. By using RBFNN can solve the problem on choice of structural styles efficiently
and correctly.
引文
1 赵西安：钢筋混凝土高层建筑结构设计，第二版，中国建筑工业出版社
2 李国强：我国高层建筑钢结构发展的主要问题，建筑结构学报，1998(1)
3 鄂华，钱稼茹：我国高层建筑抗震设计的若干问题，土木工程学报，第32卷第1期，1999年 2月，3-8
4 赵西安：高层建筑结构实用设计方法，第三版，同济大学出版社，1998
5 张洁，李国强：钢结构在我国高层建筑中应用现状的述评，四川建筑科学研究，1999(2) ，(3)
6 郑浩，王全凤：对“外钢框架-混凝土核心筒结构”的初步探讨，福建建筑，2000年第三期， 24-26
7 梁启智：高层建筑结构分析与设计，华南理工大学出版社，1992
8 刘大海，杨翠如：高层建筑结构方案优选，中国建筑工业出版社，1996
9 赵西安，胡世海：国内已建成最高的100栋建筑(截至1996年末)，钢结构，1997(3)
10 王国周：中国钢结构五十年，建筑结构，第10期，1999年10月，14-21
11 何广乾等：高层建筑设计与施工，科学出版社，1992
12 陶忠，王光远等：关于高层建筑结构选型设计的初步探讨，哈尔滨建筑大学学报，第33卷， 2000(1) ，20-25
13 王光远，吕大刚等：论结构选型的若干关键问题，哈尔滨建筑大学学报，第33卷，第1期， 2000年2月，1-7
14 李人厚，张平安等：精通MATLAB 辅导与指南，西安交通大学出版社，1998
15 闻新，周露，王丹力等：MATLAB神经网络应用设计，科学出版社，2000
16 楼顺天等：基于MATLAB的系统分析与设计-神经网络，西安电子科技大学出版社，1999
17 楼顺天等：MATLB5． X程序设计语言，西安电子科技大学出版社，2000
18 袁曾任：人工神经元网络及其应用，清华大学出版社，1999
19 靳蕃：神经计算智能基础(原理·方法)，西南交通大学出版社，2000
20 戴奎：神经网络实现技术，国防科技大学出版社，1998
21 李书明等：神经网络多参数诊断法，天津大学学报，1998(6)
22 周智，林丽川：结构损伤的神经网络定位研究，中南工业大学学报，1999(4)
23 陆伟民，董伟民：利用神经网络预测城市震后火灾损失，同济大学学报，第23卷第1期，1995年2月，15-19
24 周保生，林江等：人工神经网络在煤矿巷道围岩移近量预测中的应用，系统工程理论与实践， 第1期，2000年1月，136-139
25 陈海斌等：应用人工神经网络技术评估混凝土中的钢筋锈蚀量，工业建筑，1999年第29卷第 2期，51-55
26 H．M．Chen．Neural Networks for Structure Control．Journal of Computing in Engineering． 1995(2) ：168-176
27 姜绍飞：人工神经网络用于建筑工程领域的数据处理方法，哈尔滨建筑大学学报，第32卷第 5期，1999年10月，24-28
28 姜绍飞等：人工神经网络在外包钢混凝土框架柱设计参数预报中的适应性，土木工程学报，第 30卷第一期，1997年2月，73-76
29 A．Mukherjee，JM．Deshpande．Application of Artificial Neural Networks in Structural Design Expert Systems．Computers ＆ Structures，1995(3) ：367-375
30 胡夏闽等：基于神经网络的组合梁栓钉连接件抗剪强度预测，南京建筑工程学院学报，1997 年第1期，Sum No．40，7-11
31 郭国会等：基于神经网络的结构边界条件识别和损失诊断，湖南大学学报，第25卷第1期， 1998年2月，71-75
32 易伟建，郭国会：神经网络在梁的边界条件识别中的应用，湖南大学学报，第25卷第4期， 1998年8月，87-90
33 王建华：神经网络法预估水泥搅拌单桩沉降，土木工程学报，第29卷第1期，1996年2月， 55-61
34 索胜军，孙光伟等：几种改进BP算法的性能比较，哈尔滨建筑大学学报，第33卷第1期，2000 年2月，80-83
35 柳存根等：基于神经网络技术建立船舶稳性知识库，上海交通大学学报，第30卷第12期，1996 年，75-79
36 何玉敖，何亚东：基于人工神经网络的液化震陷预估方法，土木工程学报，第32卷第1期， 1999年2月，71-74
37 韦鹏生：加速 BP 网络在单桩沉降预估中的动态适应，华侨大学学报，第 20 卷第1期，1999 年1月，44-46
38 杨自强，陆亚俊：利用神经网络预测空调负荷，哈尔滨建筑大学学报，第33卷第1期，2000年2月，51-54
39 王成华，赵志民：用神经网络法预测单桩竖向极限承载力，福建建筑，总第62期，1999年1 月，40-43
40 周丹明，陈宗海：基于优化BP算法的精馏塔预测模型，系统仿真学报，第12卷第4期，2000 年7月，392-395
41 吴瑞尊：基于人工神经网络的金刚石锯切花岗石寿命预测，华侨大学硕士学位论文，1999
42 吴臻：地震作用下结构响应的预测及模糊预测控制，华侨大学硕士学位论文，2000
43 章伟伟：人工神经网络与遗传算法在木糖醇发酵过程操作条件优化中的应用，华侨大学硕士学 位论文，2000
44 傅余萍：弹性地基上中厚板损伤评估的神经网络方法研究，湖南大学硕士学位论文，1999
45 郭国会：钢筋混凝土结构破损评估的神经网络方法研究，湖南大学硕士学位论文，1998
46 韦鹏生：基于人工神经网络的结构优化分析，武汉水利电力大学博士学位论文，1999
47 沈清，汤霖：模式识别导论，国防科技大学出版社，1991
48 徐丽娜：神经网络控制，哈尔滨工业大学出版社，1999． 5
49 郭宗楼，刘肇：环境质量综合评价的径向基函数网络模型，环境科学研究，第10卷，第4期， 1997年7月,1-5
50 阎平凡，张长水：人工神经网络与模拟进化计算，清华大学出版社，2000． 11
51 郭宗楼，刘肇：径向基函数网络在湖泊富营养化程度评价中的应用，水利学报，1997年10月， 第10期，72-76
52 王辛：改进的径向函数网络(RBFN)在电力负荷预报中的应用，中国电机工程学报，第16卷 第4期，1996年7月，285-287
53 丁凯峰，樊思齐：基于RBF网络的航空发动机辨识模型，航空动力学报，第15卷第2期，2000 年4月，205-208
54 戴勇等：应用径向基函数网络预测有机化合物的生物活性，ENVIRONMENTAL SCIENCE，2000年 7月，11-15
55 王建波，于达仁：基于RBF网络的火箭发动机动态过程建模，推进技术，1999年8月，第20 卷第4期，9-12
56 屈永华等：径向基函数神经网络地质曲面重建及应用，中国矿业大学学报，第29卷第3期， 2000年5月，318-321
57 吴浩江，周芳德：应用 RBF 神经网络智能识别油气水多相流流型，石油学报，第21卷第3期，2000年5月，57-61
58 黄家亮等：MATLAB环境下的船用柴油机故障诊断的模拟研究，集美大学学报(自然科学版)， 第4卷第4期，1999年12月，43-47
59 边肇祺等：模式识别(第二版)，清华大学出版社，2000