长江科学院院报
長江科學院院報
장강과학원원보
JOURNAL OF YANGTZE RIVER SCIENTIFIC RESEARCH INSTITUTE
2011年
7期
51-56
,共6页
陈志强%王亮清%刘顺昌%丰光亮
陳誌彊%王亮清%劉順昌%豐光亮
진지강%왕량청%류순창%봉광량
径向基神经网络%最大动剪切模量%Hardin公式%模式搜索法
徑嚮基神經網絡%最大動剪切模量%Hardin公式%模式搜索法
경향기신경망락%최대동전절모량%Hardin공식%모식수색법
采用径向基函数(RBF)神经网络的手段,直接建立最大动剪切模量Gmax与孔隙比e、围压σ3、固结比κc这3个影响因素的非线性关系,避开了寻找Gmax与各影响因素之间定量经验公式的繁琐工作。通过模式搜索法计算出径向基函数的扩展速度的最优值,使模型的预测误差最小。以福建标准砂为例,模式搜索法得出的扩展速度SPREAD最优值为2.287,RBF网络预测的Gmax平均相对误差为0.931 6%,误差很小,说明RBF神经网络能方便、有效地确定不同条件下的Gmax,具有一定的推广利用价值。除了对Gmax能够很好地预测外,RBF网络对G-γ关系曲线也能很好地模拟。
採用徑嚮基函數(RBF)神經網絡的手段,直接建立最大動剪切模量Gmax與孔隙比e、圍壓σ3、固結比κc這3箇影響因素的非線性關繫,避開瞭尋找Gmax與各影響因素之間定量經驗公式的繁瑣工作。通過模式搜索法計算齣徑嚮基函數的擴展速度的最優值,使模型的預測誤差最小。以福建標準砂為例,模式搜索法得齣的擴展速度SPREAD最優值為2.287,RBF網絡預測的Gmax平均相對誤差為0.931 6%,誤差很小,說明RBF神經網絡能方便、有效地確定不同條件下的Gmax,具有一定的推廣利用價值。除瞭對Gmax能夠很好地預測外,RBF網絡對G-γ關繫麯線也能很好地模擬。
채용경향기함수(RBF)신경망락적수단,직접건립최대동전절모량Gmax여공극비e、위압σ3、고결비κc저3개영향인소적비선성관계,피개료심조Gmax여각영향인소지간정량경험공식적번쇄공작。통과모식수색법계산출경향기함수적확전속도적최우치,사모형적예측오차최소。이복건표준사위례,모식수색법득출적확전속도SPREAD최우치위2.287,RBF망락예측적Gmax평균상대오차위0.931 6%,오차흔소,설명RBF신경망락능방편、유효지학정불동조건하적Gmax,구유일정적추엄이용개치。제료대Gmax능구흔호지예측외,RBF망락대G-γ관계곡선야능흔호지모의。