浅谈人工神经网络在砂土液化判别及震陷预估中的应用

《浅谈人工神经网络在砂土液化判别及震陷预估中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京工业大学硕士学位论文人工神经网络在砂土液化判别及震陷预估中的应用姓名：李方明申请学位级别：硕士专业：岩土工程指导教师：陈国兴20050101南京工业大学学位论文独创性声明及使用授权的声明一、学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京工业大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。{ijf划

2、!签名：毫埤Hj}Ij：址二、关于学位论文使用授权的声明南京工业大学、中国科学技术信息研究所、国家图书馆、中国学术期刊(光盘版)电子杂志社及清华同方光盘股份有限公司有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。允许论文被查阅和借阅．可以公布(包括刊髓)论文的全『!}

3、5或部分内容。论文的公砸i(包括刊登)授权南京工业大学研究生闻：办理。研究生签名：纽铷签名：衅日期：逆兰!摘要地震作j

4、】造成的砂上液化及液化性震陷，会给建筑物造成难以修复的破坏。地震t

5、l,J工程建设场地是夼会液化?发生液化的叮能性有多大?以及液化的后果如何?这是r程勘察部门需要回答的问题，也是工程场地地震安全性评价：[作的重要内容之+。砂土液化及其震陷『佝发生、发展是一个复杂的过程，其影响因素很多，各因素之问呈高度的非线性关系。传统的砂二E液化预测方法大多数是在宏观震害现象和室内试验基础j二总结、分析得到的，存在着一定的局限性，其预测}．々歧千i待提商：J阿人-I：+III经网坌}}足一种多冗=m线性动力学系统，具有良好的自适应。胜、f}组l磐呲硐l缎强的盼学习、联想、容错、抗干扰能力，可以灵活方便地对多成}问的

6、复杂朱知系统进行J高度建模，I，J以实现全丽考虑各种因素的砂土液化判剧及艘陷测。以冈内外25次火地震的众多实测液化资料为基础，经LVQ分类神经嘲络分类后的有效液化资料为样本，以描述地震动特性、砂土层埋减环境和砂土物理力。乒1¨：能的11个指标的小同组合为输入变量，采用BP神经网络(1,M算法和快速BP算法)、RBF神经网络(广义刚归神经网络newffrnn算法和概率神经网络newpnn竹法)平¨遗f‘神经嘲络((；^肌)，建立了砂土液化预测模型，通过所建网络模型的训练、验证、应用和比较表明：①BP神经网络液化预测模型有较高的预测精度

7、，其预测精度与模型的输入变量的不同组合有关，LM算法的计算速率比快速BP算法快得多：②增加BP神经网络模型的节点不～定能够提高网络模型的预测正确度；③以经LVQ分类后的样本为学习样本，BP模型、GA—BP模型和RBF模型的液化判别成功率相差不大，四参数的LM算法的BP模型法和RBF概率模型法的液化判别成功率最高。以Ⅲ内外25次火地震中的344l：『l场地液化实洲资荆为艰础，通过I删?神经州络模』州f内训练利检验，分析了修ni标贯，

8、_l数(Ⅳ，)。与饱刷砂上抗液化强度之叫的非线性关系，建立了饱和砂土液化极限状态曲线或抗液化强度临界曲

9、线经验公式，经统计分析，给出了液化和非液化的概率密度函数及抗液化安全系数与液化概率之问的经验公式，导出了具有概率意义的饱和砂土抗液化强度经验公式。当液化概率水平为50％时，即等价于传统的确定性砂土液化判别，该方法预测液化和非液化的可靠性分别为90．4％和81．2％，具有较高的可靠性。本文提出的砂土液化概率判别方法，使：L程场地的砂土液化概率判别如I同确定性砂土液化判别一样简·币、方便，从而使砂土液化概率判别方法用于丁程实践和纳入有关规范成为可能。基f地基沉降计算的分层总和法，探讨了估算建筑物震陷的简化计算方法，摘要讨论了建筑物[(,

10、j-JiL：J氏JIi力、地震动强度，以及基础埋深、J小J、形式对地基震陷ii}的影llm初步给m了这监因素对地基震陷量影响的基本舰律。以同本新泻地震、海城地震和唐山地震的建筑物液化震陷实测资料为基础，以地震烈度、基底压力、基础类型、长高比、宽深比、相对密度、上覆非液化土层厚度、地下水位，共8个建筑物震陷的影Ⅱ向指标作为主要影响因素，采用RBF神经网络，建立了液化震陷量预估模，儿分析提出了因素影响趋势线，得到了各因素对震陷量大小的一些影I响规律：①烈度越高、基底压力越大，其震陷量越大：②宽深比越大、上覆非液化十层越厚、相对密度越大，

11、其震陷景越小。f【{扳·：“I：安『fj贝型场地I：的纠i4L,资料，利』

12、J现有的有代表性的经验方法、本文捉山的I_}BI：神经网络模型法和基于RB}?模型的概率判别浊等六种砂土液化判别方法，对淮安市规划区的地基土液化势进行了评价，