RBF神经网络模型在砂土液化判别中的应用研究

• 作者: 刘家顺 勾丽杰
• 来源期刊: 长江科学院院报
• 学科: 工学
• 关键词: 砂土液化 评价指标 RBF神经网络 液化等级
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 岩土工程
• 页码范围: 76-81
• 页数: 6页
• 分类号: TU478
• 字数: 4827字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-5485.2013.05.017

摘要

以时松孝次收集的砂土液化数据为研究对象,选取黏粒含量ρc、相对密实度Dr、临界深度ds、竖向有效应力σ’、地下水位dw、地震震级M、最大地面水平加速度αmax和标准贯入次数SPT-N等8个砂土液化的主要影响因素作为RBF神经网络的输入参数,利用MATLAB7.0中的神经网络工具箱,对部分样本数据进行训练和测试.并利用建立的RBF神经网络模型分析了各因素对砂土液化的影响规律.结果表明:砂土液化判别指标随αmax的增加而增大,随SPT-N和dw的增加而减小.研究成果表明,建立的RBF网络模型完全满足砂土液化判别的精度要求,能够精确模拟输入和输出之间复杂的非线性映射关系,具有较高的预测精度,具有重要的工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘家顺	辽宁工程技术大学土木与交通学院	37	231	9.0	14.0
2	勾丽杰	辽宁省交通高等专科学校信息系	22	45	4.0	5.0