二维场地液化势预测的神经网络方法

›› 2004, Vol. 25 ›› Issue (10): 1569-1574.

二维场地液化势预测的神经网络方法

佘跃心^1,2

1.淮阴工学院建筑工程系，江苏淮安223001; 2. 河海大学岩土工程研究所，江苏南京 210098

收稿日期:2003-06-25 出版日期:2004-10-11 发布日期:2014-07-25
作者简介:佘跃心，男，1964年生，副教授，河海大学岩土工程研究所博士生。目前主要从事土力学、基础工程方面教学和研究工作。

Neural network approach for prediction of liquefaction potential of two-dimensional site

SHE Yue-xin

1.Huaiyin Institute of Technology, Huaian 223001, China; 2. Research Institute of Geotechnical Engineering, Hohai University, Nanjing 210098, China

Received:2003-06-25 Online:2004-10-11 Published:2014-07-25

摘要/Abstract

摘要： 基于人工神经网络，提出了场地液化势预测模型。场地液化势的空间数据结构特征可由不同参数的自回归神经网络（GRNN）来模拟。该预测模型的一个重要参数spread可用地质统计学（Kriging）方法中的交叉验证技术来确定。研究表明，在最优spread参数条件下GRNN能够较好地映射场地液化势数据结构特征。用GRNN模型预测结果与经典的Kriging估计方法所得到的结果十分吻合。GRNN模型可以用于二维空间数据的预测及基于GIS决策系统。

关键词: 液化势, 神经网络, 地质统计学, 场地, 预测

Abstract: The prediction model for liquefaction potential of site based on artificial neural networks is presented. The spatial data structural characteristics of liquefaction potential of site can be mapped by different spread values. The optimal spread value can be determined by means of cross-validation technique of geostatistics. Study results indicate that the generalized regression neural networks can map the structural characteristics of liquefaction potential under the condition of the optimal spread. The result obtained is consistent with that of Kriging estimator. The model can be applied to the prediction of two-dimensional spatial data and the decision system based on GIS.

Key words: liquefaction potential, neural networks, geostatistics, site, prediction

中图分类号:

TU19.5

佘跃心 . 二维场地液化势预测的神经网络方法[J]. , 2004, 25(10): 1569-1574.

SHE Yue-xin. Neural network approach for prediction of liquefaction potential of two-dimensional site[J]. , 2004, 25(10): 1569-1574.

参考文献

相关文章 15

[1]	邹佑学, 王睿, 张建民, . 可液化场地碎石桩复合地基地震动力响应分析[J]. 岩土力学, 2019, 40(6): 2443-2455.
[2]	张奎, 赵成刚, 李伟华. 海底软土层对海洋地基场地动力响应的影响[J]. 岩土力学, 2019, 40(6): 2456-2468.
[3]	王岗, 潘一山, 肖晓春, . 单轴加载煤体破坏特征与电荷规律研究及应用[J]. 岩土力学, 2019, 40(5): 1823-1831.
[4]	庄海洋, 付继赛, 陈苏, 陈国兴, 王雪剑, . 微倾斜场地中地铁地下结构周围地基液化与变形特性振动台模型试验研究[J]. 岩土力学, 2019, 40(4): 1263-1272.
[5]	张勋, 黄茂松, 胡志平, . 砂土中单桩水平循环累积变形特性模型试验[J]. 岩土力学, 2019, 40(3): 933-941.
[6]	熊仲明, 张朝, 陈轩. 地震作用下地裂缝场地地震动参数试验研究[J]. 岩土力学, 2019, 40(2): 421-428.
[7]	郑栋, 黄劲松, 李典庆, . 基于多源信息融合的路堤沉降预测方法[J]. 岩土力学, 2019, 40(2): 709-719.
[8]	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.
[9]	王文沛, 李滨, 冯振, 张博文, 高杨, . 考虑场地效应的高陡岩质斜坡地震失稳机制[J]. 岩土力学, 2019, 40(1): 297-304.
[10]	陈磊, 赵学胜, 汤益先, 张红, . 结合InSAR的幂指数Knothe模型参数拟合与评估[J]. 岩土力学, 2018, 39(S2): 423-431.
[11]	王伟，方志明，李小春, . 沁水盆地煤样静水压力下渗透率实验及模型分析[J]. , 2018, 39(S1): 251-257.
[12]	付自国，乔登攀，郭忠林，李克钢，谢锦程，王佳信. 超细尾砂胶结充填体强度计算模型及应用[J]. , 2018, 39(9): 3147-3156.
[13]	李宣, 孙德安，张俊然,. 吸力历史对非饱和粉土动力变形特性的影响[J]. , 2018, 39(8): 2829-2836.
[14]	韩智铭，乔春生，朱举. 含两组交叉贯通节理岩体的强度及破坏特征分析[J]. , 2018, 39(7): 2451-2460.
[15]	张春会，王兰，田英辉，于永江，王来贵,. 饱和黏土中固定锚腚拖曳锚嵌入轨迹预测模型[J]. , 2018, 39(6): 1941-1947.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	刘斌，李术才，李树忱，钟世航. 隧道含水构造直流电阻率法超前探测研究[J]. , 2009, 30(10): 3093 -3101 .
[2]	刘小文，常立君，胡小荣. 非饱和红土基质吸力与含水率及密度关系试验研究[J]. , 2009, 30(11): 3302 -3306 .
[3]	王观石，李长洪，陈保君，李世海. 应力波在非线性结构面介质中的传播规律[J]. , 2009, 30(12): 3747 -3752 .
[4]	王朝阳，许强，倪万魁. 原状黄土CT试验中应力-应变关系的研究[J]. , 2010, 31(2): 387 -391 .
[5]	高阳，张庆松，徐帮树，李伟. 海底采煤顶板支承压力分布规律与影响因素研究[J]. , 2010, 31(4): 1309 -1313 .
[6]	万少石，年廷凯，蒋景彩，栾茂田. 边坡稳定强度折减有限元分析中的若干问题讨论[J]. , 2010, 31(7): 2283 -2288 .
[7]	赵尚毅，郑颖人，李安洪，邱文平，唐晓松，徐俊. 多排埋入式抗滑桩在武隆县政府滑坡中的应用[J]. , 2009, 30(S1): 160 -164 .
[8]	陈保国，孙金山，张磊. 上埋式钢筋混凝土拱涵受力特性及地基处理研究[J]. , 2011, 32(5): 1500 -1506 .
[9]	赵跃堂，林家炜，石磊. 冲击荷载作用下层裂问题研究[J]. , 2011, 32(S2): 122 -126 .
[10]	王国粹，杨敏. 砂土中水平受荷桩非线性分析[J]. , 2011, 32(S2): 261 -267 .