CAJ | 학술논문

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。
채용경향기함수(RBF)신경망락적수단，직접건립최대동전절모량Gmax여공극비e、위압σ3、고결비κc저3개영향인소적비선성관계，피개료심조Gmax여각영향인소지간정량경험공식적번쇄공작。통과모식수색법계산출경향기함수적확전속도적최우치，사모형적예측오차최소。이복건표준사위례，모식수색법득출적확전속도SPREAD최우치위2.287，RBF망락예측적Gmax평균상대오차위0.931 6％，오차흔소，설명RBF신경망락능방편、유효지학정불동조건하적Gmax，구유일정적추엄이용개치。제료대Gmax능구흔호지예측외，RBF망락대G-γ관계곡선야능흔호지모의。