砂土地震液化的神经网络预测

在简要分析BP算法的基础上,应用BP网络的理论与方法,选取砂土的平均粒径(d50／mm)、相对密度(Dr／％)、标准贯入击数(N63.5／击)、上覆有效应力(σv／kPa)、地震烈度(I0)作为指标,预测砂土在地震作用下液化的可能性,取得了较好的预测效果。     

径向基神经网络在砂土液化评价中的应用

基于MATLAB6.5平台编程,研究利用径向基神经网络进行砂土液化评价,探讨了原始数据预处理方法、神经网络构建、训练、结果评价、主因子识别以及与BP网的对比,表明了RBF网络砂土液化评价的优越性,同时给出了RBF网络砂土液化评价的归一化数据预处理方法与利用网络权重识别砂土液化主因子方法,为今后的进一步研究与实践奠定了基础.     

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。     

砂土液化的广义回归神经网络判别法

本文阐述了广义回归神经网络的特点,综合考虑了影响砂土液化的主要因素,利用我国台湾和土耳其科贾埃利地区震害调查资料,建立了预测砂土液化的广义回归神经网络模型。应用多元回归预处理优化输入样本数据后,用广义回归神经网络对砂土液化判别,计算结果与实际情况基本吻合。研究表明,广义回归神经网络是进行砂土液化判别预测的有效手段,计算数据经过多元回归预处理后,大幅度提高了预测准确度。     

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。     

ASTER数据的自组织神经网络分类研究

传统的遥感数据分类方法大多基于统计学的参数估计，假设数据分布服从高斯正态分布。神经网络方法无需参数估计和统计假设，因而，近来越来越多地应用于遥感数据分类之中。介绍了基于聚类分析的自组织特征映射分类方法。ASTER卫星数据是新型遥感数据，包括 3个15 m分辨率波段和 3个30 m分辨率的短波红外波段。选择北京地区的ASTER数据作为方法实验数据，首先对数据进行了小波融合，然后进行了土地覆盖类型的自组织特征映射神经网络分类研究，把研究结果同最大似然判别法得到的分类结果进行了比较，分类精度比最大似然判别法总体提高了9％。     

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。     

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。     

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SOFM神经网络的边坡稳定性评价

针对边坡工程稳定性分析中参数的不确定性,在分析自组织特征映射神经网络（SOFM）基本学习算法的基础上,从提高算法收敛速度和性能出发,将自组织特征映射神经网络基本学习算法加以改进,据此建立了评价边坡稳定状态的SOFM神经网络模型。然后用收集到的边坡稳定工程实例作为样本,对该模型进行训练和检验,并与BP神经网络判别结果对比。结果表明,SOFM神经网络性能良好、预测精度高,是边坡稳定性评价的一种有效方法。     

砂土液化判别方法研究

评定地基土液化可能性是抗震勘察设计中的一个重大课题,通过对比《建筑抗震设计规范》推荐判别方法与美国Seed判别法,推导出新的判别方法,该法具有判别准确、理论合理、计算简便、与工程实际相结合等优点,是一种值得推广的判别方法。     

水平动载下饱和砂土地基液化区扩展

对一侧受沿深度分布的水平振动载荷时 ,半无限饱和砂土地基液化区域的扩展进行了数值分析。结果表明 :在水平振动载荷作用下 ,砂土地基液化区域从载荷端由近到远逐渐发展 ;随载荷强度和频率的增加 ,以及土体模量的减小 ,液化发展逐渐加快。在考虑的频率范围内 ,随着载荷频率的增加 ,土体表面的变形和土中的孔隙压力上升速度增加。     

饱和砂土地震液化机理分析及地基处理的应用

饱和砂土在地震荷裁作用下极易发生液化,对工程建筑造成危害。本文探讨了地震力作用下饱和砂土的液化机理。通过实例说明cFG桩和碎石桩共用具有明显的抗液化效果,并提出CFG桩和碎石桩抗液化,需进一步研究的问题。     

辽宁石佛寺水库砂土液化处理试验

石佛寺水库工程建筑物区主要工程地质问题之一为砂土液化问题。在主坝轴线上选取适当部位进行几种液化处理方案的试验,为检测液化处理效果进行了地基加固处理前后密实度分析和加固处理后地基土地震液化特征分析与评价,对比几种方案的可行性,最终选择解决场区饱和砂土液化的最优方案。     

SOFM储层综合评价方法及其在延吉盆地的应用

通过对已有储层评价方法优势与不足的分析,提出在空间数据库基础上应用自组织特征映射神经网络进行油气储层评价,并对延吉盆地大砬子组储层进行了评价。评价结果显示：Ⅰ级储集层主要发育于朝阳川凹陷中央-延D4井西缘、呈椭圆状分布,朝阳川凹陷西缘即延D6、延3之间呈月牙状分布;Ⅱ级储集层区块较大,分布集中在朝阳川凹陷周缘及帽儿山凸起,在清茶馆凹陷的东缘、南缘和德新凹陷的北缘呈不规则分布;Ⅲ级主要发育于朝阳川凹陷中央-朝阳川镇南部,清茶馆凹陷东缘,呈条带、小块状零星分布,德新凹陷大部呈不规则分布;Ⅳ级主要发育于西部隆起区、练花洞单斜一带,在茶清馆凹陷中央也有零星分布;其它地区是储层物性发育较差的Ⅴ级。     

廊坊市规划区饱和砂土液化的危害及防治措施

在对河北省廊坊市规划区液化饱和砂土分布及危害调查研究的基础上,提出采用振冲碎石桩法、桩基础方法、CFG桩复合地基技术进行防治饱和砂土液化的措施。     

基于RBF神经网络的城市需水量预测

介绍了径向基函数神经网络的原理、训练算法,建立的径向基函数神经网络城市需水量预测模型具有较强的非线性处理能力和逼近能力,运算速度快、性能稳定,克服了BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷,预测精度较高,泛化能力强。     

基于人工神经网络的边坡稳定性工程地质评价方法

针对边坡稳定性工程地质评价方法过分强调经验和难以定量的缺点，提出了一种基于人工神经网络的边坡稳定性工程地质评价方法（ＡＮ２Ｓ２ＥＧＥＭ），详细介绍了它的建模方法和应用实例．结果表明该方法不仅有效，而且有定量、简便、实时、自适应等优点，具有广阔的应用前景。