基于气象参数的轨道板竖向温度梯度预测模型

传统基于热力学的混凝土结构温度场分析方法存在着假设过多、参数取值困难、计算能耗过大的缺点． 为研究轨道板竖向温度梯度分布规律,结合轨道板温度场的长期观测数据,建立误差反向传播的多层人工神经网络,选用易于取得的气象参数作为训练样本,对轨道板竖向温度梯度进行预测,并采用实测数据验证其准确性． 在此基础上研究了日温差、日照时数和风速对轨道板竖向温度梯度的影响规律． 研究表明:采用日温差、日平均风速和日照时数 3 种气象参数作为训练样本,所建立的 4-16-1 结构人工神经网络预测结果最大误差为 2． 0℃,平均相对误差为 0． 38%,可准确预测轨道板竖向温度梯度,且具有较好的鲁棒性;各气象参数与轨道板竖向温差之间存在着复杂的非线性映射关系,总体而言,日照越强,风速越高,轨道板竖向温度梯度越大;对我国中部地区而言,轨道板竖向温度梯度为 －2 ～10℃．