基于大型振动台试验的堆积型边坡峰值加速度放大性智能预测方法研究

摘要：

地震加速度峰值(PGA)放大系数是研究地震作用的重要参数之一.设计并完成了150组能够考虑地震波类型、坡体形态影响的堆积型边坡大型振动台试验,系统分析堆积型边坡的加速度放大效应,优化改进传统的3层前馈型BP神经网络模型,提出随机型重连BP神经网络模型.在此基础上,综合考虑边坡参数、地震波参数及土体参数等各项因素的影响,建立基于随机重连型BP神经网络的堆积型边坡峰值加速度放大性智能预测模型,并借助模型试验和鲁棒性分析对上述模型的计算精度进行验证和稳定性分析.结果表明,该模型计算精度达到目标要求,稳定性良好,弥补了传统单一函数计算方法的缺陷,可为高烈度山区铁路的隧道工程、桥梁工程及边坡工程抗震设计中地震烈度的确定提供直接参考,有助于推进岩土工程智能化的发展.

关键词：岩质边坡、振动台模型试验、PGA放大系数、随机重连型BP神经网络

所属期刊栏目：44

分类号：P642.22(水文地质学与工程地质学)

资助基金：国家重点研发计划;地质灾害防治与地质环境保护国家重点实验室开放基金;四川省科技支撑计划;中铁二院工程集团有限责任公司科研项目

在线出版日期：2022-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：116-122