RBF神经网络模型在砂土液化判别中的应用研究

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.

关键词：砂土液化、评价指标、RBF神经网络、液化等级

所属期刊栏目：30

分类号：TU478(土力学、地基基础工程)

在线出版日期：2013-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：76-81