基于BP神经网络的饱和砂土液化判别方法

• 作者: 李方明 陈国兴
• 来源期刊: 自然灾害学报
• 学科: 地球科学
• 关键词: 砂土液化 BP神经网络 LM算法 快速BP算法 液化势
• 年，卷（期）: 2005,（2）
• 页码范围: 108-114
• 页数: 7页
• 分类号: P642
• 字数: 6171字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-4574.2005.02.019

摘要

基于唐山地震中大量的砂土液化现场实测资料,选取描述地震动特性的烈度、震中距、地面峰值加速度和描述砂土层埋藏环境条件的地下水位、标贯点深度(土层深度)、上覆非液化覆盖土层厚度、有效覆盖压力,以及表示砂土自身属性的标准贯入锤击数、平均粒径、不均匀系数、修正标贯击数共11个指标的不同组合作为输入变量,采用快速BP算法和LM算法构造了饱和砂土液化判别的BP神经网络预测模型.通过所建网络模型的训练、验证和应用,结果表明:(1)所建14个BP神经网络模型都是有效的,液化判别的准确度与模型输入变量的不同组合有关;(2)增加网络模型的节点(考虑因素较多)并不一定能够提高BP神经网络模型的液化判别准确度,反而增加了BP神经网络模型的复杂性和学习时间;(3)两种算法的BP神经网络模型都有很高的液化判别准确度,LM算法的计算速率要比快速BP算法快得多,但在计算过程中需要更多的内存,建议采用LM算法;(4)采用所提BP神经网络模型的权值与阈值进行其它预测样本的液化判别时,判别结果可能偏于保守;(5)从影响砂土液化的主要因素、获取指标难易程度考虑,在与<建筑抗震设计规范>砂土液化判别公式考虑指标一致的情况下,建议采用BP神经网络模型M4或M5a,该模型简单、方便,且其预测准确度远高于<建筑抗震设计规范>的砂土液化判别准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈国兴	南京工业大学岩土工程研究所	296	5278	38.0	58.0
2	李方明	南京工业大学岩土工程研究所	15	198	6.0	14.0