低温建筑技术
低溫建築技術
저온건축기술
LOW TEMPERATURE ARCHITECTURE TECHNOLOGY
2013年
4期
128-130
,共3页
本构模型%神经网络%非线性%剪胀性%预测精度
本構模型%神經網絡%非線性%剪脹性%預測精度
본구모형%신경망락%비선성%전창성%예측정도
为了描述具有应力应变关系非线性和剪胀性的粗粒土本构特性,利用改进的BP神经网络算法,通过优选网络结构和对粗粒土的大型三轴固结排水剪试验数据样本学习,建立了一个以平均主应力P和广义剪应力q作为网络输入向量、以体应变εv和剪应变εo作为网络输出向量的粗粒土BP神经网络本构模型.利用此模型对粗粒土的应力应变关系进行了预测,整体预测结果的最大误差均在10%内.预测表明本神经网络模型具有良好的预测精度和适用性.
為瞭描述具有應力應變關繫非線性和剪脹性的粗粒土本構特性,利用改進的BP神經網絡算法,通過優選網絡結構和對粗粒土的大型三軸固結排水剪試驗數據樣本學習,建立瞭一箇以平均主應力P和廣義剪應力q作為網絡輸入嚮量、以體應變εv和剪應變εo作為網絡輸齣嚮量的粗粒土BP神經網絡本構模型.利用此模型對粗粒土的應力應變關繫進行瞭預測,整體預測結果的最大誤差均在10%內.預測錶明本神經網絡模型具有良好的預測精度和適用性.
위료묘술구유응력응변관계비선성화전창성적조립토본구특성,이용개진적BP신경망락산법,통과우선망락결구화대조립토적대형삼축고결배수전시험수거양본학습,건립료일개이평균주응력P화엄의전응력q작위망락수입향량、이체응변εv화전응변εo작위망락수출향량적조립토BP신경망락본구모형.이용차모형대조립토적응력응변관계진행료예측,정체예측결과적최대오차균재10%내.예측표명본신경망락모형구유량호적예측정도화괄용성.