人工神經(jīng)網(wǎng)絡(luò)在砂土液化判別及震陷預(yù)估中的應(yīng)用.pdf

1、南京工業(yè)大學(xué)碩士學(xué)位論文人工神經(jīng)網(wǎng)絡(luò)在砂土液化判別及震陷預(yù)估中的應(yīng)用姓名：李方明申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：巖土工程指導(dǎo)教師：陳國(guó)興20050101摘要摘要地震作j|】造成的砂上液化及液化性震陷，會(huì)給建筑物造成難以修復(fù)的破壞。地震tlJ工程建設(shè)場(chǎng)地是夼會(huì)液化發(fā)生液化的叮能性有多大以及液化的后果如何這是r程勘察部門需要回答的問題，也是工程場(chǎng)地地震安全性評(píng)價(jià)：[作的重要內(nèi)容之。砂土液化及其震陷『佝發(fā)生、發(fā)展是一個(gè)復(fù)雜的過程，其影響因素很多，各因

2、素之問呈高度的非線性關(guān)系。傳統(tǒng)的砂二E液化預(yù)測(cè)方法大多數(shù)是在宏觀震害現(xiàn)象和室內(nèi)試驗(yàn)基礎(chǔ)j二總結(jié)、分析得到的，存在著一定的局限性，其預(yù)測(cè)々歧千i待提商：J阿人I：III經(jīng)網(wǎng)坌足一種多冗=m線性動(dòng)力學(xué)系統(tǒng)，具有良好的自適應(yīng)。勝、f組l磐呲硐l緞強(qiáng)的盼學(xué)習(xí)、聯(lián)想、容錯(cuò)、抗干擾能力，可以靈活方便地對(duì)多成問的復(fù)雜朱知系統(tǒng)進(jìn)行J高度建模，I，J以實(shí)現(xiàn)全麗考慮各種因素的砂土液化判劇及艘陷測(cè)。以岡內(nèi)外25次火地震的眾多實(shí)測(cè)液化資料為基礎(chǔ)，經(jīng)LVQ分類神

3、經(jīng)嘲絡(luò)分類后的有效液化資料為樣本，以描述地震動(dòng)特性、砂土層埋減環(huán)境和砂土物理力。乒1：能的11個(gè)指標(biāo)的小同組合為輸入變量，采用BP神經(jīng)網(wǎng)絡(luò)(1M算法和快速BP算法)、RBF神經(jīng)網(wǎng)絡(luò)(廣義剛歸神經(jīng)網(wǎng)絡(luò)newffrnn算法和概率神經(jīng)網(wǎng)絡(luò)newpnn竹法)平遺f‘神經(jīng)嘲絡(luò)((；^肌)，建立了砂土液化預(yù)測(cè)模型，通過所建網(wǎng)絡(luò)模型的訓(xùn)練、驗(yàn)證、應(yīng)用和比較表明：①BP神經(jīng)網(wǎng)絡(luò)液化預(yù)測(cè)模型有較高的預(yù)測(cè)精度，其預(yù)測(cè)精度與模型的輸入變量的不同組合有關(guān)，LM

4、算法的計(jì)算速率比快速BP算法快得多：②增加BP神經(jīng)網(wǎng)絡(luò)模型的節(jié)點(diǎn)不～定能夠提高網(wǎng)絡(luò)模型的預(yù)測(cè)正確度；③以經(jīng)LVQ分類后的樣本為學(xué)習(xí)樣本，BP模型、GA—BP模型和RBF模型的液化判別成功率相差不大，四參數(shù)的LM算法的BP模型法和RBF概率模型法的液化判別成功率最高。以Ⅲ內(nèi)外25次火地震中的344l：『l場(chǎng)地液化實(shí)洲資荊為艱礎(chǔ)，通過I刪神經(jīng)州絡(luò)?！恢輋內(nèi)訓(xùn)練利檢驗(yàn)，分析了修ni標(biāo)貫，|_l數(shù)(Ⅳ，)。與飽刷砂上抗液化強(qiáng)度之叫的非線性關(guān)系，

5、建立了飽和砂土液化極限狀態(tài)曲線或抗液化強(qiáng)度臨界曲線經(jīng)驗(yàn)公式，經(jīng)統(tǒng)計(jì)分析，給出了液化和非液化的概率密度函數(shù)及抗液化安全系數(shù)與液化概率之問的經(jīng)驗(yàn)公式，導(dǎo)出了具有概率意義的飽和砂土抗液化強(qiáng)度經(jīng)驗(yàn)公式。當(dāng)液化概率水平為50％時(shí)，即等價(jià)于傳統(tǒng)的確定性砂土液化判別，該方法預(yù)測(cè)液化和非液化的可靠性分別為904％和812％，具有較高的可靠性。本文提出的砂土液化概率判別方法，使：L程場(chǎng)地的砂土液化概率判別如I同確定性砂土液化判別一樣簡(jiǎn)幣、方便，從而使砂土