非饱和残坡积土强度随含水量变化的改进BP神经网络预测研究

水是导致残坡积土边坡滑坡的最主要原因,因此研究水对残坡积土力学性质的影响具有重要的理论和工程实际意义。本文在普通三轴仪上进行非饱和残坡积土的强度试验,并基于试验结果建立了非饱和残坡积土强度随含水量变化的改进BP神经网络预测模型。模型计算结果与试验结果对比分析表明,该神经网络预测模型具有较高的拟和精度和良好的泛化能力,能较好地预测试验含水量范围内任意含水量下对应的非饱和残坡积土应力-应变关系,从而能够弥补室内试验由于设计方案等自身缺陷引起的不足。研究结果可为工程应用提供参考。     

基于自适应神经-模糊推理系统的软土路基沉降预测模型

针对目前软基沉降预测中最常用的生长曲线模型以及人工神经网络模型的不足,提出将自适应神经模糊推理系统(ANFIS)应用于软基沉降预测。ANFIS将专家的模糊推理过程蕴含于神经网络结构中,使神经网络的结点和权值具有明确的物理意义,避免了传统神经网络工作过程的"黑盒"性。同时该系统可以采用最小二乘法和梯度下降法相结合的混合算法,既具有神经网络的自适应性和学习能力,又克服了它的局部极小值等缺点,预测精度也远高于生长曲线模型。最后用工程实例与生长模型和神经网络模型进行了对比,结果表明:ANFIS模型优于这两种模型,特别是在模拟多输入变量、高维数下软基沉降预测问题时有着独特的优势,具有一定的推广应用价值。