人工神经网络在地基土液化判别中的作用
【摘要】:地基土液化是地震工程中的重要问题,其发生、发展过程是一个复杂的过程。地基土液化的影响因素很多,随机性大,且各因素之间呈高度的非线性。传统的判别方法多是在宏观震害现象和室内试验基础上总结、分析、统计得到的,有一定的实用性,但也存在着一些局限性,结论可靠度尚需提高。本文在评析传统方法的基础上,提出建立一种人为影响因素小、能容定量与定性指标于一体的液化判别及评价模型是非常必要的。
本文阐述了人工神经网络的基本原理及实现技术,并在此基础上利用Matlab6.5编写了人工神经网络程序:
1) 编写了BP人工神经网络程序,采用附加动量法,学习速率、动量参数在误差修正过程中自适应调节,提高了训练速度。
2) 与工具箱的RBF网络相比较,说明网络的学习算法是改善网络性能的关键。
本文依据室内动三轴试验结果,综合考虑多方面因素,建立了液化判别的人工神经网络模型,并与传统方法相比较,得出以下结论:
1) 在数据合理的情况下,神经网络方法可以快速的达到比传统方法更高的预测精度。说明建立的液化判别的网络模型是科学的、有效的。
2) 网络模型可以揭示结构和参数与运行之间的内在关系,将输入、输出关系进行了量化,并根据单个因素贡献率的大小对地基土液化进行主成份分析,不仅验证了传统方法的合理性,且对规范方法提出了建议。
|
|
|
|
1 |
温鹏,瞿坦,陈锦江;人工神经网络的介质传播模型[J];自然杂志;1993年04期 |
2 |
廖晓昕;吴新余;;关于非线性CAM神经网络的稳定性分析[J];南京邮电大学学报(自然科学版);1993年02期 |
3 |
罗立强,郭常霖,吉昂,马光祖;人工神经网络与分析测试技术的研究与发展[J];岩矿测试;1997年04期 |
4 |
董守华,石亚丁,汪洋;地震多参数BP人工神经网络自动识别小断层[J];中国矿业大学学报;1997年03期 |
5 |
李祚泳,邓新民;环境污染预测的人工神经网络模型[J];成都气象学院学报;1997年04期 |
6 |
胡波;杜惠良;;浙江省沿海海面日极大风预报[J];海洋预报;2006年S1期 |
7 |
张志;;人工神经网络水质预测模型研究[J];内蒙古大学学报(自然科学版);2006年06期 |
8 |
沈体雁;夏帆;刘良明;王煌基;;基于MODIS数据的城市边界监测方法及其比较[J];测绘通报;2007年01期 |
9 |
刘卓洋;李峡;;解决建筑工程消防竣工验收判定难题的探讨[J];今日科苑;2007年04期 |
10 |
张彦成;段禅伦;;基于自组织特征映射神经网络的土壤分类[J];计算机工程与科学;2008年10期 |
11 |
王凤英;;神经网络对饱和酯气相色谱保留值的预测[J];云南民族大学学报(自然科学版);2009年03期 |
12 |
张诚飚;;NIRS-ANN无损定量分析水质监测中总氮的研究[J];科技信息;2009年26期 |
13 |
陈惟昌;;生物神经元网络与人工神经网络[J];科技导报;1991年03期 |
14 |
蔡煜东;姚林声;;亚麻纤维品质与成纱质量的人工神经网络分析方法[J];纺织高校基础科学学报;1993年04期 |
15 |
蔡煜东,姚林声;人工神经网络在煤层对比判别中的应用[J];煤田地质与勘探;1994年01期 |
16 |
张廷炘;人工智能、神经网络与光学[J];物理;1994年10期 |
17 |
朱川曲;面向回采工作面的人工神经网络模型[J];系统工程理论与实践;1996年12期 |
18 |
洪伟,吴承祯,何东进;基于人工神经网络的森林资源管理模型研究[J];自然资源学报;1998年01期 |
19 |
穆宏强;人工神经网络在水文学中的应用[J];长江职工大学学报;1999年01期 |
20 |
何池洋,刘俊;人工神经网络用于气相色谱保留指数的预测[J];安庆师范学院学报(自然科学版);2002年01期 |
|