基于MPL神经网络的地震作用下砂土液化评估及预测

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。