《表3 扁平箱梁颤振导数识别误差》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于人工神经网络的典型桥梁断面气动参数识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

限于篇幅，本文仅给出扁平箱梁在0°风攻角下的颤振导数识别结果，如图6所示。表3则给出了扁平箱梁在各风攻角下颤振导数的识别误差。由图表分析可知，扁平箱梁的颤振导数识别误差均在80%以内，0°风攻角下各参数的识别结果相对较好。通过对误差分布趋势的研究发现，各颤振导数在折算风速较大或较小时，其识别误差较大，而在折算风速的中间区段，相对误差较小。这主要是由于折算风速较小时，颤振导数比较接近于0，由此计算得到的相对误差容易偏大；而折算风速较大时，各样本数据分布的潜在规律不明显，使得神经网络识别效果不佳，从而导致了相对误差也较大。倒梯形箱梁的识别精度没有扁平箱梁高，主要是由于样本数量过少，分布规律过于离散，神经网络无法捕捉到样本间存在的潜在关系，导致结果偏于随机，需要增加样本数进行更深入的研究。但将目前的预测结果作为结构初步设计阶段时的参考，仍是可以接受的。