基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出应用自组织特征映射(SOFM)神经网络进行砂土液化评价,根据实测资料和行业规范,建立具有7个输入参数,4个输出类别的SOFM神经网络模型对砂土液化的严重程度做出评价.实例研究表明,应用SOFM神经网络评价砂土液化高效可行,为砂土液化的研究提供了新方法.
推荐文章
基于MATLAB的BP神经网络在砂土液化评价中的应用
MATLAB
神经网络工具箱
BP网络模型
基于BP神经网络和RBF神经网络的砂土基础液化判别
砂土液化
BP神经网络
RBF神经网络
预测
比较
基于SOFM神经网络的边坡稳定性评价
自组织特征映射
神经网络
边坡稳定
评价
砂土地震液化预测的人工神经网络模型
人工神经网络
BP算法
预测
砂土液化
模型评价
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SOFM神经网络的砂土液化评价
来源期刊 华中科技大学学报(城市科学版) 学科 工学
关键词 自组织特征映射(SOFM) 神经网络 砂土液化 评价
年,卷(期) 2005,(2) 所属期刊栏目
研究方向 页码范围 23-26
页数 4页 分类号 TU441|TP183
字数 2723字 语种 中文
DOI 10.3969/j.issn.2095-0985.2005.02.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵胜利 天津大学管理学院 36 300 10.0 16.0
3 刘燕 河北农业大学城建学院 53 302 10.0 14.0
4 赵红英 华北电力大学机械学院 2 14 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (46)
参考文献  (6)
节点文献
引证文献  (12)
同被引文献  (36)
二级引证文献  (84)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(2)
  • 参考文献(0)
  • 二级参考文献(2)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(4)
  • 参考文献(0)
  • 二级参考文献(4)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(7)
  • 参考文献(2)
  • 二级参考文献(5)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(2)
  • 引证文献(2)
  • 二级引证文献(0)
2008(2)
  • 引证文献(1)
  • 二级引证文献(1)
2009(5)
  • 引证文献(2)
  • 二级引证文献(3)
2010(19)
  • 引证文献(3)
  • 二级引证文献(16)
2011(6)
  • 引证文献(0)
  • 二级引证文献(6)
2012(6)
  • 引证文献(0)
  • 二级引证文献(6)
2013(4)
  • 引证文献(0)
  • 二级引证文献(4)
2014(8)
  • 引证文献(2)
  • 二级引证文献(6)
2015(7)
  • 引证文献(0)
  • 二级引证文献(7)
2016(12)
  • 引证文献(1)
  • 二级引证文献(11)
2017(10)
  • 引证文献(1)
  • 二级引证文献(9)
2018(6)
  • 引证文献(0)
  • 二级引证文献(6)
2019(8)
  • 引证文献(0)
  • 二级引证文献(8)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
自组织特征映射(SOFM)
神经网络
砂土液化
评价
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
土木工程与管理学报
双月刊
2095-0985
42-1816/TU
大16开
武汉珞瑜路1037号
870150-6
1983
chi
出版文献量(篇)
2673
总下载数(次)
4
总被引数(次)
28264
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导