1)试验数据与经验知识:通过对桥梁模板结构与加载条件等特征的分析确定其力学性能主要影响特征X;=X;(X;，为RC构件i的勤个特征)，同时确定其力学特性Yr=Yrk(Yr、为RC构件i的第k个力学特性参数);收集桥梁模板拟静力试验数据，并提取各样本的特征参数和力学性能参数，为KGNN模型训练提供数据支持;基于试验数据和公开发表的研究结果，总结经验知识，为KGNN模型训练提供领域知识支撑。本文提出采用偏微分形式表示输入特征参数与输出力学特性参数的关系，即。Yrkl aXr。
  2) KGNN模型架构设计:将建立桥梁模板试验数据随机划分为训练集和测试集。为了克服特征参数单位不一致带来的误差，将对AY际准化至范围内。将X和)分另d作为KGNN的输入和输出:式中，x;和Y.、分别为RC构件i的勤个特征标准值和第k个力学特性参数标准值，X，和Yk分别为所有RC构件勤个特征和第k个力学特性参数。根据经验确定潜在的最优隐含层架构(目前不存在确定的理论解析方法，本文通过比较确定最优隐含层神经元数量)，同时确定神经网络激活函数O = f(x,w,q)(x,w,q分别为输入向量、权重向量和I-值)、预测值Yik与试验值Yi、误差损失函数LOSSikyik、误差传递函数和收敛条件(收敛误差和最大迭代次数)等。http://www.qlmb.net/