基于径向基神经网络的谐波叠加法

风荷载的数值模拟在结构设计中起着非常重要的作用。在土木工程脉动风速时程的各种数值模拟方法中,谐波叠加法最为常用。而且,通过引入FFT和不同插值技术可以在不显著地影响模拟精度的情况下,大大地缩短模拟计算所花费的时间。提出使用径向基神经网络（RBF neural network）插值技术来改进传统的谐波叠加法。使用基于径向基神经网络和传统的谐波叠加法（未引入插值技术）来模拟一幢100 m高的高层建筑上10个点的脉动风速时程,通过均方根误差（Root Mean Square Error,RMSE）和相对误差系数（Error factor,E_f）两项指标来评价改进的与传统的谐波叠加法相比较的模拟计算精度,并且记录各自所耗费的时间。结果表明:基于径向基神经网络谐波叠加法的精度令人相当满意,模拟计算效率大大提高。