CAJ | 학술논문

建立了BP神经网络模型LM算法的砂土地震液化判别方法,采用LVQ模式分类网络对数据进行分类,选取唐山地震时76个场地、320组现场液化勘察资料为研究对象,训练和检验网络模型的数据各160组,结果表明,该方法的砂土液化预测准确度为96.8%. 根据淮安市典型场地土的钻孔资料,采用<建筑抗震设计规范法>液化判别法(规范法)、美国国家地震研究中心建议的液化判别简化方法(NCEER法)和谢君斐-陈国兴液化判别方法(谢-陈法)等3种液化判别方法及本文提出的BP神经网络模型液化判别方法对22个钻孔、120标贯点进行了液化判别,结果表明:①4种地震液化判别方法的计算结果基本一致;②NCEER法比谢-陈法的计算结果要保守;③谢-陈法与规范法的计算结果很吻合,预测正确率相差不大;④规范法相对BP神经网络模型法的计算结果要保守;⑤BP神经网络模型法比其他3种方法的预测结果更符合实际的液化规律. 最后,综合4种方法的液化判别结果给出了该地区地震液化势的评估结果,并给出了部分典型地质剖面土层地震液化势分布图.
건립료BP신경망락모형LM산법적사토지진액화판별방법,채용LVQ모식분류망락대수거진행분류,선취당산지진시76개장지、320조현장액화감찰자료위연구대상,훈련화검험망락모형적수거각160조,결과표명,해방법적사토액화예측준학도위96.8%. 근거회안시전형장지토적찬공자료,채용<건축항진설계규범법>액화판별법(규범법)、미국국가지진연구중심건의적액화판별간화방법(NCEER법)화사군비-진국흥액화판별방법(사-진법)등3충액화판별방법급본문제출적BP신경망락모형액화판별방법대22개찬공、120표관점진행료액화판별,결과표명:①4충지진액화판별방법적계산결과기본일치;②NCEER법비사-진법적계산결과요보수;③사-진법여규범법적계산결과흔문합,예측정학솔상차불대;④규범법상대BP신경망락모형법적계산결과요보수;⑤BP신경망락모형법비기타3충방법적예측결과경부합실제적액화규률. 최후,종합4충방법적액화판별결과급출료해지구지진액화세적평고결과,병급출료부분전형지질부면토층지진액화세분포도.