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。