基于改进RBF神经网络的最大动剪切模量确定

详细信息   

• 责任者：陈志强^c中国地质大学(武汉)^d1987^e硕士研究生 ; 王亮清 ; 刘顺昌 ; 丰光亮
• 刊名：长江科学院院报
• 出版年：2011
• 卷期：28^b7总153
• 关键词：神经网络系统 ; 剪切模量20^a砂 ; 土动力学
• 页码：51～56
• 索书号：P860.6/332-1
• 图表：^c表5参10插图
• 分类号：1600
• 文摘期号：2012/02

摘要

采用径向基函数(RBF)神经网络的手段，直接建立最大动剪切模量G_max与孔隙比e、围压σ₃、固结比k_c这3个影响因素的非线性关系，避开了寻找G_max与各影响因素之间定量经验公式的繁琐工作。通过模式搜索法计算出径向基函数的扩展速度的最优值，使模型的预测误差最小。以福建标准砂为例，模式搜索法得出的扩展速度SPREAD最优值为2.287，RBF网络预测的G_max平均相对误差为0.931 6%，误差很小，说明RBF神经网络能方便、有效地确定不同条件下的G_max，具有一定的推广利用价值。除了对G_max能够很好地预测外，RBF网络对G‐γ关系曲线也能很好地模拟。