任文杰[1]2002年在《人工神经网络在地基土液化判别及等级评价中的应用》文中研究说明地基土液化是地震工程中的重要问题,其发生、发展是一个复杂过程。液化预测包括可能性和危害程度预测两个方面。液化的影响因素很多,随机性大,且各因素呈高度的非线性。传统的判别和等级评价方法多是在宏观震害现象和室内试验基础上总结、分析、统计得到的,有一定的实用性,但也存在着一些局限性,结论可靠度尚需提高。本文在评析传统方法基础上,提出建立一种人为影响因素小、能容定量与定性指标于一体的液化判别及评价模型是非常必要的。 本文阐述了人工神经网络和遗传算法的基本原理及实现技术,并在此基础上利用Matlab5.3编写了人工神经网络程序: (1)编写了BP人工神经网络程序,采用Vogl“批处理”快速算法,学习速率、动量参数在误差修正过程中自适应调节,提高了训练的速度。 (2)编写了遗传神经网络GA-BP程序,采用二级遗传算法与BP算法相结合,同时优化网络隐层节点数和权值、阈值,既克服了寻优过程的盲目性,又避免陷入局部极小,提高了网络的学习精度。 (3)与工具箱的L-M算法结合编写了改进遗传神经网络GA-LM程序,综合考虑了部分预测样本对适应度函数的影响,提高了网络的学习、泛化能力及运行速度。 (4)与工具箱的RBF网络相比较,说明网络的学习算法是改善网络性能的关键。 本文依据地震液化及其危害程度实测资料,综合考虑多方面因素,建立了液化判别及等级评价的人工神经网络模型。并与实测结果及传统方法相比较,得出以下结论: (1)在数据合理情况下,神经网络方法可以快速达到比传统方法更高的预测精度。说明建立的液化判别及等级评价的网络模型是科学的、有效的。 (2)网络模型可以揭示结构和参数与运行之间的内在关系,将输入、输出关系量化公式。根据单个因素贡献率进行主成份分析,不仅验证了传统方法的合理性,且对规范方法提出了建议。
薛新华[2]2004年在《人工神经网络在地基土液化判别中的作用》文中研究指明地基土液化是地震工程中的重要问题,其发生、发展过程是一个复杂的过程。地基土液化的影响因素很多,随机性大,且各因素之间呈高度的非线性。传统的判别方法多是在宏观震害现象和室内试验基础上总结、分析、统计得到的,有一定的实用性,但也存在着一些局限性,结论可靠度尚需提高。本文在评析传统方法的基础上,提出建立一种人为影响因素小、能容定量与定性指标于一体的液化判别及评价模型是非常必要的。 本文阐述了人工神经网络的基本原理及实现技术,并在此基础上利用Matlab6.5编写了人工神经网络程序: 1) 编写了BP人工神经网络程序,采用附加动量法,学习速率、动量参数在误差修正过程中自适应调节,提高了训练速度。 2) 与工具箱的RBF网络相比较,说明网络的学习算法是改善网络性能的关键。 本文依据室内动叁轴试验结果,综合考虑多方面因素,建立了液化判别的人工神经网络模型,并与传统方法相比较,得出以下结论: 1) 在数据合理的情况下,神经网络方法可以快速的达到比传统方法更高的预测精度。说明建立的液化判别的网络模型是科学的、有效的。 2) 网络模型可以揭示结构和参数与运行之间的内在关系,将输入、输出关系进行了量化,并根据单个因素贡献率的大小对地基土液化进行主成份分析,不仅验证了传统方法的合理性,且对规范方法提出了建议。
王小花[3]2005年在《黄河叁角洲饱和地基土地震液化判别综合方法研究》文中研究说明黄河叁角洲地基土为易液化的饱和粉质土,且具有很强的独特性,不同于一般土体。目前对于该区的液化判别多是利用规范中的标贯、静探、剪切波速等经验公式进行,这些传统方法多是在宏观震害和试验基础上总结、分析、统计得到的,存在一定局限性,是否适用于该区,有待于进一步研究。本论文选择试验方法研究该区地基土动力特性,具针对性和科学性;数值分析法用来研究地基土液化发生发展过程,考虑多种因素的影响,在分析上较为严密。人工神经网络法人为影响因素小,能容定性与定量指标于一体,可以快速的达到较高的预测精度,为液化判别提供了又一新的方法。 针对黄河叁角洲沉积物特殊的土工性质,本文对黄河叁角洲典型研究区地基土较全面、系统地开展了的现场测试、室内试验、动力特性研究和地震液化的数值模拟,得到以下结论: 1) 通过动力特性分析,建立了黄河叁角洲地基土液化判别标准,以粉质土孔压比0.65作为破坏开始的标志;归一划出孔压上升模型和抗液化强度模型。 2) 根据传统方法对地基土进行了液化判别,抗震设防烈度7°时,大部分土层不会发生液化,少数土层具有轻微液化的可能。 3) 通过数值分析,分析了大王北、东营港和新滩研究区土层孔隙水压力发展规律及土层液化发生的可能性。孔压比在表层发展较快;叁个典型研究区地基土均有液化可能。数值分析法得出了与传统方法比较一致的判别结果,并且其结论更全面,更安全。 4) 利用神经网络模型进行了液化判别,抗震设防烈度为7°时,黄河叁角洲大部分土层不会发生液化,表现出较强的抗液化能力。与传统方法进行了比较,并对规范中地基土液化判别提出了建议。
参考文献:
[1]. 人工神经网络在地基土液化判别及等级评价中的应用[D]. 任文杰. 河北工业大学. 2002
[2]. 人工神经网络在地基土液化判别中的作用[D]. 薛新华. 中国海洋大学. 2004
[3]. 黄河叁角洲饱和地基土地震液化判别综合方法研究[D]. 王小花. 中国海洋大学. 2005