广义回归神经网络预测加筋土支挡结构高度

• 作者: 周建萍 闫澍旺
• 来源期刊: 岩土力学
• 关键词: 神经网络 广义回归神经网络 加筋土支挡结构 设计高度 土工合成材料
• 年，卷（期）: 2002,（4）
• 所属期刊栏目: 岩土力学与工程
• 页码范围: 486-490
• 页数: 5页
• 分类号: TU43
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7598.2002.04.020

摘要

土工合成材料加筋支挡结构(Geosythetics-Reinforced Retaining Wall,简称GRW)设计方法主要是建立在似粘聚力理论基础之上的半经验设计法.由于土性及加筋机理的复杂性,常常要对它们进行人为假定,导致计算结果差强人意.神经网络方法与传统方法的不同之处在于不需要主观假定,而是模拟人脑思维,通过数据样本的学习来获得预测结果.引入神经网络技术来预测加筋土支挡结构的设计高度是一种新尝试.由于本问题具有样本容量非常有限、影响因素复杂多样的特点.因此,采用适用于稀少样本数据的广义回归网络(General Regression Neural Network)来预测加筋土支挡结构设计高度.基于MATLAB神经网络工具箱及文献[1]的挡墙离心模型试验结果,建立了一个可用于加筋支挡结构设计高度预测的GRNN网络.通过对足尺试验、实际工程及模型试验结果的检验,表明网络的学习是成功的,具有一定指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫澍旺	天津大学岩土工程研究所	287	3740	31.0	44.0
2	周建萍	天津大学岩土工程研究所	6	109	4.0	6.0