基于神经网络在路面基层压实参数中的应用

石灰工业废渣稳定类半刚性材料是高等级公路路面基层材料常见形式之一,根据规范和设计要求可分为含骨料类和不含骨料类。当骨料含量超过50％时,室内重型击实试验劳动量大,并且干密度和含水率睦线不稳定。在已知不含骨料的石灰工业废渣稳定类半刚性材料（即结合料）的最大干密度和最优含水率的基础上,通过结合人工神经网络理论,基于Matlab的BP人工神经网络,建立并编制了含骨料的石灰工业废渣稳定类半刚性材料压实参数（最大干密度和最优含水率）的预测网络模型,经过对网络模型的大量训练、训练函数和传递函数的调整及初始训练数据的规一化,最后建立了6→15→2的网络模型,其网络模型预测结果稳定准确,有一定实际应用价值。     

基于LSSVM与MCS的路基沉降可靠度分析

提出了一种计算路基沉降可靠度的新方法。基于FLAC中的修正剑桥模型,以最小二乘支持向量机为核心技术,结合蒙特卡罗法构建计算模型。由于修正剑桥模型参数较多,对模型参数进行了敏感性分析,将对沉降影响较大的参数确定为随机变量。选取训练样本对支持向量机进行训练,按照随机变量的概率分布进行抽样,馈送到最小二乘支持向量机得到相应的响应值,用Matlab编制程序完成可靠度计算,并进行了算例分析。计算结果表明,蒙特卡罗法结合支持向量机的沉降可靠度计算方法应用于公路软基沉降可靠度计算是可行的。     

基于CPT资料的土性参数随机场特性研究

通过CPT资料研究土性参数随机场特性是一种比较理想的方法。土性参数随机场的平稳性是后续研究的先决条件之一,可以通过Bartlett统计量进行检验,但采用不同的模型拒绝域相差比较大,这样给实际应用造成困难,新模型LGS由于适应范围广可以解决这一问题。从随机场的基本理论出发,介绍了新相关模型LGS的数值模拟方法。基于LGS相关模型,采用修正的Bartlett统计量对随机场平稳性进行检验,统一了拒绝标准。用两组数据进行了实例分析,通过编制的程序进行计算,结果表明,这种相关模型对不同形式的相关函数有较好的适应性,可以解决拒绝域不统一的问题。