广义回归神经网络预测加筋土支挡结构高度

土工合成材料加筋支挡结构（Geosythetics-Reinforced Retaining Wall, 简称GRW）设计方法主要是建立在似粘聚力理论基础之上的半经验设计法。由于土性及加筋机理的复杂性，常常要对它们进行人为假定，导致计算结果差强人意。神经网络方法与传统方法的不同之处在于不需要主观假定，而是模拟人脑思维，通过数据样本的学习来获得预测结果。引入神经网络技术来预测加筋土支挡结构的设计高度是一种新尝试。由于本问题具有样本容量非常有限、影响因素复杂多样的特点。因此，采用适用于稀土样本数据的广义回归网络（General Regression Neural Network)来预测加筋土支挡结构设计高度。基于MATLAB神经网络工具箱及文献[1]的挡墙离心模型试验结果，建立了一个可用于加筋支挡结构设计高度预测的GRNN网络。通过对足尺试验，实际工程及模型试验结果的检验，表明网络的学习是成功的，具有一定指导意义。