基于MATLAB的BP神经网络在砂土液化评价中的应用

本文运用MATLAB的神经网络工具箱(NNT)建立砂土液化BP网络预测模型,并以南京地铁1#线玄武门站—南京站区间隧道砂土液化评价为例,阐述了基于MATLAB的BP网络应用于砂土液化分析的可行性和应用价值。     

基于RBF神经网络的地下水动态模拟与预测

RBF网络具有结构自适应确定、输出与初始权值无关的优良特性。以matlab为平台将该网络应用于某地的地下水动态模拟与预测，较为系统地研究了训练样本集与检测样本集的构建、原始数据的预处理、神经网络的构建、训练、检测及结果评价整个过程，取得了良好效果。同时，还与BP网进行了对比，认为，RBF网络是一种值得推广的地下水动态模拟与预测神经网络模型。     

利用模糊神经网络进行砂土液化势评判

利用模糊信息分析表达知识和人工神经网络在映射能力方面的优势, 选取应力比、震级、地面运动最大加速度、标贯击数、地下水位作为评价参数指标, 构造砂土液化势识别的模糊神经网络模型。验证和应用结果表明, 模糊神经网络模型可提供更高的映射能力, 是砂土液化势评价预测的有效手段。     

基于MATLAB下BP网络在砂土液化评价中的应用

介绍利用MATLAB神经网络工具箱训练BP网络的方法及其在砂土震动液化评价中的应用，取得了良好的效果。     

盐城市某港区砂土液化评价体系建立

砂土液化引起的地基土大变形是港口工程破坏的重要原因。因此,港口地区的液化判别方法选择的合理性、判别结果的准确性就显得尤为重要。针对某港区砂土液化问题,选择临界标贯击数法、Seed简化法、BP神经网络法、基于GIS的液化判别法等四种液化评价方法,进行砂土液化势评价并分析对比,建立基于GIS三维液化评价体系。结果表明:研究区15m以上砂土液化趋势较大,15m以下液化趋势较小。     

岩溶水系统的径向基神经网络仿真

岩溶水系统的复杂性决定了其输入与输出间具有非常复杂的非线性关系,利用人工神经网络方法进行系统的仿真是一种十分有效的手段。本文以MATLAB为平台,介绍了RBF网络的基本原理与训练方法,具有结构自适应确定、输出不依赖初始权值的优良特性。试用该方法建立了济南市岩溶水系统地下水位及其影响因子间的RBF网络模型,讨论了训练样本集与检测样本集的构建、原始数据的预处理方法、神经网络训练误差设置等重要环节,并与同结构的BP网络进行了对比,其结果BP网络效果依赖初始权值,表现出极不稳定性,且训练速度更慢,RBF网络具有更好的应用价值。     

基于自组织神经网络的砂土液化评价

在分析自组织特征映射(SOFM)神经网络基本学习算法的基础上,从提高算法收敛速度和性能出发,提出了一种改进算法:根据实际应用并结合专家经验确定初始连接权值;采用高斯函数作为拓扑邻域函数;将算法分为粗调整和细调整两个阶段,分别采用不同的学习率和邻域函数,然后采用改进后的SOFM算法对砂土液化进行评价。实例研究表明,应用SOFM神经网络评价砂土液化高效可行,为砂土液化评价提供了新方法。     

辽河东部凹陷火成岩测井岩性识别方法与应用

采用基于K-means聚类算法的RBF神经网络法对辽河盆地东部凹陷火成岩岩性进行识别。综合利用自然伽马、补偿中子、声波时差、密度与电阻率的实际测井资料,建立火成岩岩性识别的基础RBF神经网络。选取有岩芯和岩屑记录的若干井次试验验证,该方法清楚地识别出了玄武岩、粗面岩等6种火成岩,识别准确率平均可达70%以上。     

基于双桥静力触探的饱和砂土液化判别方法刍议

饱和砂土液化是地震引发地基变形失稳、建筑受损破坏的主因之一,合理判定液化可能性是勘察实践和理论研究的重大课题。国内规范要求砂土液化判别仍以标准贯入试验为主,静力触探等原位测试方法为辅,静力触探较其他原位测试手段,在操作便利性、数据采集连续性、测试成本和抗干扰能力等方面更具优势。针对国内规范常用静力触探砂土液化判别方法进行了分析研究,并结合勘察实例进行了计算和对比,探讨了静力触探判别液化方法的土层适用性,并提出有关改进建议。     

改进的BP神经网络在地震砂土液化预测中的应用

地震砂土液化的影响因素具有非线性关系,至今没有形成规范的预测标准。人工神经网络在砂土液化预测中有较好的应用,尤其是BP神经网络,但由于其本身存在缺陷:学习收敛速度慢,易陷入局部极小;遗传算法具有良好的搜索全局最优解的能力。探讨利用遗传算法优化BP神经网络权值和初始阈值来预测地震砂土液化,其效果比传统的BP网络有显著提高。     

基于广义回归神经网络的砂土液化综合判别方法

基于厦门地区大量钻孔试验数据,分别采用规范法和Seed法对该区饱和砂土进行液化判别。然后选取二者判别结果相同的数据作为训练和测试样本,运用广义回归神经网络,对二者判别结果分歧的钻孔数据进行二次判别。结果表明:广义回归神经网络性能良好,预测准确度高。此外,这种综合判别方法也提高了饱和砂土液化判别的准确度,并为其他地区饱和砂土的液化判别研究提供借鉴和参考。      

基于人工神经网络的砂土液化势评价

本文利用静力触探（ＣＰＴ）场地液化数据,建立了液化势判定的反向传播神经网络模型,研究表明,同传统方法相比,人工神经网络方法在判别砂土液化势方面是可行的。     

在砂土液化的危险性评价中确定性与不确定性方法的应用研究

地震导致的砂土液化具有很大的随机性。据此 ,提出了评价砂土液化危险性的确定性与不确定性两种方法。确定性方法是以液化指数为变量的多因子判别分析方法 ,不确定性方法是概率分析法 ,即用概率密度函数判断砂土液化灾害的期望损失值。     

基于RBF神经网络的堤防管涌预测方法

影响堤防管涌的各种因素是不确定和随机的,在堤防管涌的发生过程中各因素间表现出复杂的非线性行为。运用基于RBF神经网络的基本原理,建立了堤防管涌预测的RBF神经网络模型,从新的角度研究堤防管涌的预测问题,对该问题进行了探索性的研究。对该理论的建立以及预测方法进行了系统的讨论,为该领域的研究提供了完整的技术方法。对于23个典型堤防管涌实例的研究表明,RBF网络较BP网络有较高的预测精度,较短的预测时间和较快的预测速度,能够较好地描述堤防管涌的非线性特征。     

基于数据挖掘的砂土地震液化预测模型研究

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.     

基于判别分析法的地震砂土液化预测研究

将距离判别分析方法应用于砂土液化的预测问题中,建立了砂土液化预测的距离判别模型。选用震级、研究深度、震中距、标贯击数、地下水位及地震持续时间等6项指标作为判别因子,以大量的工程实例数据作为学习样本进行训练,建立了线性判别函数对待评样本进行了评价。研究结果表明,距离判别分析模型判别砂土液化效果良好,预测准确度高,回判估计误判率低,可望成为砂土液化预测的有效手段。     

常德-张家界高速公路某大桥桥基砂土液化评价

结合常德张家界高速公路某大桥桥基工程,在DSD160型电磁式振动三轴试验仪上,通过往返加荷三轴试验,对饱和砂土进行了液化试验研究,探讨了基于动三轴液化试验结果判断饱和砂土液化的方法。并尝试了这种室内研究反应分析的液化可能性估计方法与地震剪应力时程相结合的综合判断方法。在该高速公路大桥桥基的饱和砂土液化评价中,采用这种综合判断方法,对大桥桥基砂土液化进行了判断。在判断场地是否液化后,对其液化危害程度进行了等级划分,给出了该工程场地在未来遭受到不同超越概率下的地震作用时发生液化的危害程度,得到了一些有工程实用意义的结果。     

砂土地震液化预测的人工神经网络模型

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。     

人工神经网络在砂土液化评判中的应用

影响饱和砂土液化的因素众多,必须建立多指标的综合评判模型来进行评判,而神经网络是一种非线性的动力系统,对于砂土液化评判等线性问题最具有优越性,利用ＢＰ型人工神经网络计算原理,采用震级、地面运动加速度最大、标贯击数、比贯入阻力、相对密实度、砂土平均粒径和地下水位等共７个变量建立的砂土液化评判模型,可对砂土液化的严重程度和对建筑物的危害程度实现简单而高效的定量评判。实例研究表明,人工网络法是解决砂土液     

渭河盆地东南部砂土液化模糊综合评价及洪水影响研究

依据砂土液化影响因素和大量实际资料对渭河盆地东南部5县进行了砂土液化模糊综合评价, 给出了砂土液化分区, 并讨论了洪水泛滥对该区砂土液化的影响。