共查询到15条相似文献,搜索用时 156 毫秒
1.
针对砂土地震液化预测问题,基于Fisher判别分析原理(FDA),选用平均粒径、不均匀系数、标贯击数、地下水水位、砂层埋深、剪应力与有效上覆应力比、地震烈度.震中距等8个实测指标为判别因子,建立Fisher线性判别函数模型,对砂土液化进行预测.研究结果表明,Fisher判别分析结果与神经网络输出结果一致,优于规范法和Seed法判别结果,验证了该模型的合理性和可靠性.运用该模型进行判别分析,简易方便,分类效率高,对砂土液化判别快速、有效,模型适用性强,具有一定的工程应用前景. 相似文献
2.
3.
为快速准确地对砂土液化情况作出预测,选取地震烈度、地下水位、覆盖厚度、标贯击数、平均粒径、地貌单元、土质及不均匀系数为主要影响因素,运用相关性分析和因子分析模型对其进行分析和属性约减,采用遗传算法(GA)对支持向量机(SVM)的参数寻优,结合Adaboost迭代算法,建立预测砂土地震液化的GA_SVM_Adaboost模型。选用唐山地震砂土液化现场勘察资料中的329组数据对模型进行训练,利用该模型对剩余68组砂土液化数据进行预测。最后,将预测结果与GA_SVM和SVM模型预测结果进行比较。结果表明,3个模型的平均预测准确率分别为100%、98.04%、89.71%,基于因子分析的GA_SVM_Adaboost模型的预测准确性优于GA_SVM模型和SVM模型,是一种解决砂土地震液化预测问题的有效方法,具有一定的应用参考价值。 相似文献
4.
影响砂土液化的因素有很多,建立多指标的液化预测模型非常有必要。目前所有的多指标砂土液化预测模型,均默认选取的判别因子之间相互独立,不存在相关性,可能导致各判别因子之间存在信息叠加而发生误判。以唐山地震砂土液化的25个案例为样本,选取8个影响因素作为砂土液化预测的初始判别指标,首先采用主成分分析(PCA)对各判别指标进行分析,对存在相关性比较高的指标进行了降维处理。基于降维后的4个主成分换算得到新的样本数据,以18个案例为学习样本,建立主成分分析与距离判别分析(DDA)相结合的砂土液化预测模型。利用建立的预测模型对18个案例进行回判,结果全部正确。对其他7个案例的液化情况进行了预测,并与规范法、Seed方法、BP法、DDA法的判别结果进行分析比较,结果表明基于主成分分析与距离判别方法的砂土液化判别模型预测准确率为100%。将模型应用于工程实例,判别结果也与实际情况一致,表明该模型具有良好的预测功能,可在实际工程中应用。 相似文献
5.
砂土在地震的作用下会产生剧烈的液化现象,液化引发的地基失稳会对道路、建筑物、堤坝等各类设施造成严重危害。因此,地震作用下的砂土液化判别预测一直是地质灾害领域研究的热点问题。本文使用过去几十年发生在世界各地的166组地震作用下砂土液化实例数据,通过大量数据训练和参数分析建立了基于机器学习的地震作用下砂土液化判别模型。结果表明,当网络结构为6(输入层)-15(隐藏层)-1(输出层)、训练函数为Levenberg-Marquardt时,对地震液化预测效果较好,最大准确率可达96%。参数分析结果表明不同参数对网络预测准确率影响程度不一:锥端阻力、地表归一化峰值水平加速度影响相对较大;地震震级、总垂向应力、有效垂向应力影响中等;贯入深度对其影响较小。因此在不同网络预测精度要求的条件下,可考虑适当简化输入参数。 相似文献
6.
7.
在砂土液化预测模型中,采用的数据一般来源单一且数据量少。本文选取了来自SPT场地、VS场地、CPT场地的三个数据库,其数量分别为620、185、226例,每个数据库中影响因子的种类和个数都不相同。共有9种模型与高斯过程分类模型(GPC)进行综合对比分析,分别为FDA、DDA、BDA、MLR、ELM、LSSVM、SVM、CART、ANN。研究结果表明,GPC模型对每个数据库的液化判别都具有高准确率,分别为0.869 1、0.910 1、0.940 1,且其预测精度及稳健性均明显优于其他模型。由于数据来源的广泛性及代表性,可以得出GPC模型对于砂土液化预测具有极强的适应性。 更多还原 相似文献
8.
基于Logistic回归模型的砂土液化概率评价 总被引:2,自引:1,他引:1
以国内外23次地震中200组场地液化实测数据为基础,通过Logistic回归分析,建立关联修正标准贯入击数N160cs与循环应力比CSR的液化概率模型。以50 %液化概率水平为液化与非液化的临界点,建立了指数形式的抗液化应力比CRR计算式,新建概率模型预测饱和砂土液化与非液化的成功率分别为85.71 %和76.14 %,具有较高的可靠性。与已有模型比较,使用了新的数据和修正系数,消除了一些不合理的偏差,总体判别结果偏于安全。为了将确定性分析方法与概率分析方法联系起来,建立了抗液化安全系数FS与液化概率PL的关系式。算例结果表明,新建概率模型简单、实用、可靠。 相似文献
9.
在对砂土地震液化各影响因素分析的基础上,引入整合式模糊聚类神经网络的数据挖掘模型.该模型以模糊系统为框架,结合聚类分析技术和神经网络模式,建立砂土液化与其影响因素之间的非线性关系.运用所建立的模型,对国内外400组砂土地震液化资料进行分析,来预测砂土液化现象.数据挖掘结果的误判率及分类矩阵表明,文章的系统模式在判断砂土地震液化时能取得较好的效果. 相似文献
10.
砂土地震液化预测的人工神经网络模型 总被引:13,自引:6,他引:7
在简要分析BP算法的基础上,应用BP网络的理论与方法,选取烈度、震中距、平均粒径、不均匀系数、地下水埋深、砂层埋深、标贯击数、剪应力比等8个实测指标,建立了砂土液化预测的神经网络模型。通过实例计算与模型评价、验证了该模型的科学性、高效性并较规范法、Seed简化法等传统方法具有更高的预测精度,说明人工神经网络是解决非线性问题的有效方法之一。 相似文献
11.
为高效地进行砂土液化的预测,运用逐步判别法,从8个液化影响因子中选择平均粒径、烈度、震中距等3个判别能力显著的影响因子,建立判别函数,并利用工程实例进行验证。研究结果表明:逐步判别分析模型预测性能良好,且能有效地选择对砂土液化起主导作用的因子。相比距离判别分析,逐步判别分析建立的判别函数更加稳定,且所需测试因子较少,节省了因试验和现场调查所耗费的大量人力、物力和时间,因此逐步判别分析是一种值得推广的砂土液化预测方法。 相似文献
12.
饱和砂土地震液化判别的可拓聚类预测方法 总被引:4,自引:0,他引:4
基于可拓学的物元模型和聚类分析原理,提出了饱和砂土地震液化判别的可拓聚类方法。选取地震烈度、震中距、砂层埋置深度、地下水位、标贯击数、平均粒径、不均匀系数和动剪应力比等8个影响因素,作为饱和砂土地震液化的评价因子,构建了经典域物元和节域物元。应用物元理论和可拓集合中的关联函数,建立预测模型,通过聚类分析得到饱和砂土地震液化的判别结果。实例研究表明,该模型能客观地反映砂土的液化规律,可拓聚类预测方法应用于饱和砂土地震液化判别是有效可行的。 相似文献
13.
14.
支持向量机在砂土液化预测中的应用研究 总被引:4,自引:0,他引:4
介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法——支持向量机算法。根据支持向量机线性分类和可以具有不同核函数的非线性分类两种算法,建立了砂土液化预测模型,并且运用Matlab语言编写了程序。通过试算和分析比较得到了最佳模型,最佳模型的预测结果与实际液化情况基本上一致。认为支持向量机算法无论在学习或者预测精度方面都有很大的优越性,而基于支持向量机理论建立的砂土液化预测模型是可行的,且可以较为准确地实现砂土液化的预测。 相似文献
15.
近来地震液化灾害频发,再次成为研究重点,发展具有良好应用前景的基于静力触探试验(CPT)的液化判别方法对预防液化灾害具有重要意义。以Boulanger数据库171组数据为回归样本,分析既有方法存在的问题,提出了基于CPT液化判别的双曲线模型和计算公式,并通过提取2011年新西兰地震147组液化新数据,对该方法进行对比检验。研究表明,我国岩土工程勘察规范的CPT液化判别方法对浅埋砂层偏于保守,对深层土又明显偏于危险,而国际上具有代表性的Robertson方法,其液化临界线存在低烈度区不合理回弯、高烈度区又偏于保守的问题。提出的新公式在不同地震动强度和砂层埋深下均可给出合理判别结果,克服了国内外既有方法的缺点,并纳入到具有样板规范性质的《建筑工程抗震性态设计通则》修订稿中,可为我国相关规范修订和工程应用提供支持。 相似文献