基于ANN的岩土体热阻系数预测模型研究

摘要：

为准确预测土体热阻系数,通过室内热探针测试与数据分析,简要分析了含水量、干密度、矿物成分和颗粒形态等因素对土体热传导特性的影响,利用人工神经网络(ANN)技术,建立了计算土体热阻系数的预测模型,并与传统经验关系模型进行对比,明确所提计算模型的可靠性与优越性.结果表明:土体传热性能受众多因素影响,其热阻系数难以准确估算,基于ANN的计算模型可以较好地解决这一问题;以含水量和干密度为输入参数的单个模型适用于特定类型土体,而4个输入参数(含水量、干密度、黏粒含量和石英含量)的广义模型不受此限制,增加相关输入参数可有效保证模型计算结果的精确度;单个模型和广义模型的计算结果与实测结果吻合良好,预测能力均显著优于传统经验关系模型;对于工程性质差异显著、沉积环境复杂的不同类型土体,建议优先选用广义模型来估算其热阻系数.

关键词：岩土材料、热阻系数、人工神经网络、预测模型、经验公式

所属期刊栏目：23

分类号：TU44(土力学、地基基础工程)

资助基金：国家自然科学基金资助项目;中央高校基本科研业务费专项资金资助项目

在线出版日期：2020-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：381-391