RBF神经网络模型在砂土液化判别中应用研究_勾丽杰.pdf

3 0 5 Vol． 30 No． 5 第 卷第 期 长 江 科 学 院 院 报 2 0 1 3 5 Journal of Yangtze River Scientific Research Institute May 2 0 1 3 年 月 DOI :10 ． 3969 /j ． issn． 1001 － 5485 ． 2013． 05 ． 017 2013 ，30 (05):76 － 81 RBF 神经网络模型在砂土液化判别中的应用研究 1 2 ， 勾丽杰 刘家顺 (1． ， 110122 ;2 ． ， 123000) 辽宁省交通高等专科学校信息系 沈阳 辽宁工程技术大学土木与交通学院 辽宁阜新 : ， 、 D 、 d 、 摘要 以时松孝次收集的砂土液化数据为研究对象 选取黏粒含量ρ 相对密实度 临界深度 竖向有效应力 c r s 、 d 、 M 、 SPT-N 8 σ 地下水位 地震震级 最大地面水平加速度α 和标准贯入次数 等 个砂土液化的主要影响因素作 w max RBF ， MATLAB7 ． 0 ， 。 为 神经网络的输入参数 利用 中的神经网络工具箱 对部分样本数据进行训练和测试 并利用 RBF 。 : 建立的 神经网络模型分析了各因素对砂土液化的影响规律 结果表明 砂土液化判别指标随αmax 的增加而增 ， SPT-N d 。 ， RBF ， 大 随 和 的增加而减小 研究成果表明 建立的 网络模型完全满足砂土液化判别的精度要求 能够 w ， ， 。 精确模拟输入和输出之间复杂的非线性映射关系 具有较高的预测精度 具有重要的工程应用价值 : ; ;RBF ; 关 键 词 砂土液化 评价指标 神经网络 液化等级 中图分类号:TU478 文献标志码:A 文章编号:1001 － 5485 (2013)05 － 0076 － 06 ， 取得了重要进展 在解决非线性问题上具有独特的 优越性。ANN 可以通过大量样本的学习来抽取隐 1 研