›› 2007, Vol. 28 ›› Issue (S1): 133-136.

• 基础理论与实验研究 • 上一篇    下一篇

应用神经网络预估粗颗粒土的渗透系数

唐晓松,郑颖人,董 诚   

  1. 后勤工程学院 军事建筑工程系,重庆 40041
  • 收稿日期:2007-06-19 出版日期:2007-10-25 发布日期:2014-03-28
  • 作者简介:唐晓松,男,1979年生,博士研究生,从事岩土工程稳定性分析及其数值模拟

The prediction of seepage coefficient of coarse-grained soil by neurotic network

TANG Xiao-song, ZHENG Ying-ren, DONG Cheng   

  1. Department of Architecture & Civil Engineering, LEU, Chongqing 40041, China
  • Received:2007-06-19 Online:2007-10-25 Published:2014-03-28

摘要: 粗颗粒土的渗透规律十分复杂,由于现有的一些定量公式考虑的影响因素过于简单,因此,无法准确确定其渗透系数的大小。以三峡库区现场取得的粗颗粒土为原料,通过渗透试验得到不同级配下土体的渗透系数,并利用神经网络较强的非线性动态处理能力对渗透系数进行预估,从而考虑了不同的颗粒级配对粗颗粒土渗透系数的影响。通过神经网络得到的预估值和渗透试验得到的试验值的对比分析可以看出,利用神经网络进行粗颗粒土渗透系数的预估是可行的,该方法能充分反映不同的颗粒级配的影响。

关键词: 粗颗粒土, 渗透系数, 颗粒级配, 神经网络, 预估

Abstract: The seepage rules of coarse-grained soil are very complicated. The present rational equations just consider some simple facts, therefore it is hard to identify accurate seepage factors. In this article, the coarse-grained soil obtained in Three Gorges Reservoir area is used to calculate the seepage factor of different graduation through the experiment, which is predicted through the powerful nonlinear and dynamic dealing capacity of the neurotic network. As a result, the influence of different graduation of the coarse-grained soil is taken into account. Through a comparison between the prediction from neurotic network and the experimental results, and the former can be used to predict the seepage factor of coarse-grained soil and this method can reflect the influence of different graduations.

Key words: coarse-grained soil, seepage factor, graduation, neurotic network, prediction

中图分类号: 

  • TU 43
[1] 余良贵, 周建, 温晓贵, 徐杰, 罗凌晖, . 利用HCA研究黏土渗透系数的标准探索[J]. 岩土力学, 2019, 40(6): 2293-2302.
[2] 陶高梁, 吴小康, 甘世朝, 肖衡林, 马 强, 罗晨晨, . 不同初始孔隙比下非饱和黏土渗透性 试验研究及模型预测[J]. 岩土力学, 2019, 40(5): 1761-1770.
[3] 丁建源, 陈晓斌, 张家生, 刘怡吟, 肖源杰, . 基于对数几率回归模型的粗颗粒土颗粒 破碎过程演化研究[J]. 岩土力学, 2019, 40(4): 1465-1473.
[4] 朱俊高, 蒋明杰, 陆阳洋, 吉恩跃, 罗学浩, . 应力状态对粗颗粒土静止侧压力系数影响试验研究[J]. 岩土力学, 2019, 40(3): 827-833.
[5] 张 昭, 程靖轩, 刘奉银, 齐吉琳, 柴军瑞, 李会勇, . 基于土颗粒级配预测非饱和 渗透系数函数的物理方法[J]. 岩土力学, 2019, 40(2): 549-560.
[6] 钟国强, 王 浩, 李 莉, 王成汤, 谢壁婷, . 基于SFLA-GRNN模型的基坑地表最大沉降预测[J]. 岩土力学, 2019, 40(2): 792-798.
[7] 王 军, 施 静, 刘飞禹, 蔡袁强, . 砂土颗粒级配对格栅-土界面静、 动力直剪特性的影响[J]. 岩土力学, 2019, 40(1): 109-117.
[8] 刘一飞, 郑东生, 杨 兵, 祝 兵, 孙明祥. 粒径及级配特性对土体渗透系数影响的细观模拟[J]. 岩土力学, 2019, 40(1): 403-412.
[9] 朱长歧, 崔 翔, 胡明鉴, 王新志, 唐健健, . 钙质土电导率和渗透性的相关研究[J]. 岩土力学, 2018, 39(S2): 142-148.
[10] 马瑞男, 郭红仙, 程晓辉, 刘景儒, . 微生物拌和加固钙质砂渗透特性试验研究[J]. 岩土力学, 2018, 39(S2): 217-223.
[11] 陈兴长,陈 慧,游 勇,柳金峰,. 泥石流拦砂坝底扬压力分布及影响因素试验[J]. , 2018, 39(9): 3229-3236.
[12] 朱俊高,陆阳洋,蒋明杰,褚福永,. 新型静止侧压力系数试验仪的研制与应用[J]. , 2018, 39(8): 3071-3076.
[13] 石泉彬,杨 平,于 可,汤国毅,. 冻土与结构接触面次峰值冻结强度试验研究[J]. , 2018, 39(6): 2025-2034.
[14] 张亭亭,王 平,李江山,万 勇,薛 强,王士权, . 养护龄期和铅含量对磷酸镁水泥固化/稳定化铅污染土的固稳性能影响规律及微观机制[J]. , 2018, 39(6): 2115-2123.
[15] 宋云奇,武朝军,叶冠林,. 上海浅部黏土渗透系数及其各向异性[J]. , 2018, 39(6): 2139-2144.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 梁健伟,房营光,谷任国. 极细颗粒黏土渗流的微电场效应分析[J]. , 2010, 31(10): 3043 -3050 .
[2] 毕忠伟,张 明,金 峰,丁德馨. 地震作用下边坡的动态响应规律研究[J]. , 2009, 30(S1): 180 -183 .
[3] 吴 剑,冯少孔,李宏阶. 钻孔成像中结构面自动判读技术研究[J]. , 2011, 32(3): 951 -957 .
[4] 介玉新. 加筋土不同计算方法之间的关系[J]. , 2011, 32(S1): 43 -48 .
[5] 赫文秀,申向东. 掺砂水泥土的力学特性研究[J]. , 2011, 32(S1): 392 -0396 .
[6] 唐志成 ,夏才初 ,丁增志. 非贯通类节理岩体剪切变形规律分析[J]. , 2011, 32(8): 2353 -2358 .
[7] 郑 刚 张立明 刁 钰. 开挖条件下坑底工程桩工作性状及沉降计算分析[J]. , 2011, 32(10): 3089 -3096 .
[8] 陈晓平 ,黄井武 ,尹赛华 ,郑坚昭. 滑带土强度特性的试验研究[J]. , 2011, 32(11): 3212 -3218 .
[9] 黄大维 ,杨有海 ,赖国泉 ,岳鹏飞 . 高速铁路路基动态变形模量分析[J]. , 2012, 33(5): 1402 -1408 .
[10] 黄志鹏 ,董燕军 ,廖年春 ,尹健民 ,周江平 . 锦屏一级水电站左岸开挖高边坡变形监测分析[J]. , 2012, 33(S2): 235 -242 .