改進的BP神經網絡在地震砂土液化預測中的應用
文件大小：0.28MB
格式：pdf
發(fā)布時間：2014-03-06
瀏覽次數(shù)：次
| 【中文關鍵詞】 | 遺傳算法 BP神經網絡 |
| 【摘要】 | 探討利用遺傳算法優(yōu)化BP神經網絡權值和初始閾值來預測地震砂土液化,其效果比傳統(tǒng)的BP網絡有顯著提高。 |
| 【部分正文預覽】 | 20 世紀以來多次大地震,如日本新瀉、阪神大地震,美國阿拉斯加大地震,中國唐山大地震等,都因為地震砂土液化導致地基失效、邊坡滑移,堤壩、建筑物大規(guī)模遭受破壞。因此,地震砂土液化問題越來越受到人們重視。砂土液化是在地震引起的循環(huán)往復荷載作用下,飽和砂土層孔隙水位升高,有效應力降低,造成上體承載力部分或者全部喪失,形成的一種破壞性嚴重的區(qū)域性地質災害。 近幾十年來,圍繞地震砂土液化預測開展了大量的研究工作,取得很多研究成果,如經驗公式法、Seed簡化分析法、概率與統(tǒng)計方法、動力反應分析方法等。但由于影響砂土液化的因素具有復雜性和多樣性,各因素之間的關系和各因素對砂土液化的影響是一種高度非線性關系,上述方法的可靠性還需提高。許多研究人員也采用模糊數(shù)學、灰色理論、支持向量機、人工神經網絡等非線性方法進行預測,但也存在一些問題:利用模糊評判方法預測需要對各選取指標賦與不同的權重,權值的選取不可避免地帶有一定的主觀性和隨意性,導致結果失真;灰色理論進行預測時,當原始數(shù)據(jù)序列波動較大且信息過于分散則預測精度將會降低;支持向量機方法預測時,其主要問題是核函數(shù)的選擇,不同核函數(shù)、不同核函數(shù)參數(shù)的取值都將影響到預測結果的精度。而人工神經網絡是非線性動力系統(tǒng),
在解決非線性問題上優(yōu)越性,具有較強的自組織、自適應及學習、聯(lián)想、容錯、抗干擾能力,可以靈活方便地對
各因素影響的復雜問題進行建模,因此較適合砂土液化問題的研究。 |
|
|
暫無評論信息 |
|
