基于参数化与神经网络融合的钢结构智能选型方法

本发明提供一种基于参数化与神经网络融合的钢结构智能选型方法。通过参数化建模快速生成大量钢结构方案数据，获取安全性和用钢量等关键指标。该方法不仅适用于一字型结构，还可针对L型和U型结构进行选型，参数化过程中包括形状参数化。利用改进的BP神经网络模型，将结构安全性预测作为分类任务，将用钢量预测作为回归任务进行训练，实现对新方案的快速高精度预测。在无需频繁调用有限元分析的前提下，模型可对方案进行多轮迭代筛选与评估，从而高效获得兼顾安全性与经济性的优选结构方案。本发明显著提高了钢结构选型的效率与准确度。