基于GA-BP神经网络的粗粒土渗透系数预测

摘要：

针对粗粒土渗透性能受颗粒级配、密实程度等因素影响而呈现明显差异,提出一种粗粒土渗透系数预测方法.收集并整理得到93组粗粒土数据,以全级配(d10～d100)和孔隙比作为BP神经网络的输入变量,利用遗传算法优化BP神经网络的初始权值与阀值,构建基于BP神经网络和遗传算法的粗粒土渗透系数预测模型.结果表明:该GA-BP神经网络经过55次迭代之后精度满足要求;87组训练样本预测结果的平均相对误差为5.10％,其中有75％的样本相对误差小于平均相对误差;6组检测样本预测结果的平均相对误差为6.39％,该网络模型泛化性能良好.采用GA-BP神经网络,由全级配和孔隙比能较好地预测粗粒土的渗透系数,且收敛速度、预测精度及泛化性能均优于标准的BP神经网络模型.

关键词：粗粒土、渗透系数、BP神经网络、遗传算法、孔隙比、级配

分类号：TU411(土力学、地基基础工程)

资助基金：国家重点研发计划资助项目2017YFC0504902-05;国家自然科学基金项目资助项目51678348,51708333;湖北省自然科学基金重点实验室资助项目2016CFA085

在线出版日期：2019-04-03（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：92-97