长江科学院院报
長江科學院院報
장강과학원원보
JOURNAL OF YANGTZE RIVER SCIENTIFIC RESEARCH INSTITUTE
2013年
5期
76-81
,共6页
砂土液化%评价指标%RBF神经网络%液化等级
砂土液化%評價指標%RBF神經網絡%液化等級
사토액화%평개지표%RBF신경망락%액화등급
以时松孝次收集的砂土液化数据为研究对象,选取黏粒含量ρc、相对密实度Dr、临界深度ds、竖向有效应力σ’、地下水位dw、地震震级M、最大地面水平加速度αmax和标准贯入次数SPT-N等8个砂土液化的主要影响因素作为RBF神经网络的输入参数,利用MATLAB7.0中的神经网络工具箱,对部分样本数据进行训练和测试.并利用建立的RBF神经网络模型分析了各因素对砂土液化的影响规律.结果表明:砂土液化判别指标随αmax的增加而增大,随SPT-N和dw的增加而减小.研究成果表明,建立的RBF网络模型完全满足砂土液化判别的精度要求,能够精确模拟输入和输出之间复杂的非线性映射关系,具有较高的预测精度,具有重要的工程应用价值.
以時鬆孝次收集的砂土液化數據為研究對象,選取黏粒含量ρc、相對密實度Dr、臨界深度ds、豎嚮有效應力σ’、地下水位dw、地震震級M、最大地麵水平加速度αmax和標準貫入次數SPT-N等8箇砂土液化的主要影響因素作為RBF神經網絡的輸入參數,利用MATLAB7.0中的神經網絡工具箱,對部分樣本數據進行訓練和測試.併利用建立的RBF神經網絡模型分析瞭各因素對砂土液化的影響規律.結果錶明:砂土液化判彆指標隨αmax的增加而增大,隨SPT-N和dw的增加而減小.研究成果錶明,建立的RBF網絡模型完全滿足砂土液化判彆的精度要求,能夠精確模擬輸入和輸齣之間複雜的非線性映射關繫,具有較高的預測精度,具有重要的工程應用價值.
이시송효차수집적사토액화수거위연구대상,선취점립함량ρc、상대밀실도Dr、림계심도ds、수향유효응력σ’、지하수위dw、지진진급M、최대지면수평가속도αmax화표준관입차수SPT-N등8개사토액화적주요영향인소작위RBF신경망락적수입삼수,이용MATLAB7.0중적신경망락공구상,대부분양본수거진행훈련화측시.병이용건립적RBF신경망락모형분석료각인소대사토액화적영향규률.결과표명:사토액화판별지표수αmax적증가이증대,수SPT-N화dw적증가이감소.연구성과표명,건립적RBF망락모형완전만족사토액화판별적정도요구,능구정학모의수입화수출지간복잡적비선성영사관계,구유교고적예측정도,구유중요적공정응용개치.
