RBF神经网络模型在砂土液化判别中的应用研究

详细信息   

• 责任者：勾丽杰^c辽宁省交通高等专科学校^d1983^f副教授 ; 刘家顺^c辽宁工程技术大学
• 刊名：长江科学院院报
• 出版年：2013
• 卷期：30^b5总175
• 关键词：神经网络系统 ; 砂土液化20^a原理 ; 预测 ; 因素 ; 地下水位
• 页码：76～81
• 索书号：P860.6/332-1
• 图表：^c表5参13插图
• 分类号：1600
• 文摘期号：2013/10

摘要

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ρ_c、相对密实度D_r、临界深度d_s、竖向有效应力σ’、地下水位d_w、地震震级M、最大地面水平加速度α_max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α_max的增加而增大，随SPT‐N和d_w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。