基于BP神经网络的原状土阻尼比智能预测法OA北大核心CSTPCD
为探究原状土阻尼比D随剪应变γ和土层深度H(上覆压力σ′_(m))的双向维度特征,本文对同一钻孔自地表至基岩深度范围内原状粉质黏土与粉土开展系列共振柱试验。利用BP神经网络技术深度挖掘、识别、学习原状土D的双向维度耦合规律,建立了D智能预测法。通过预测结果与试验数据的比较,得出基于BP神经网络的智能预测法可较好地适用于原状土D的双向维度特征预测。试验表明:原状土D与γ和H(σ′_(m))2个维度存在耦合相关。同一H(σ′_(m))维度时,D随γ增加呈现非线性上升规律;同一γ维度时,D随H(σ′_(m))增加呈现相反的降低规律;随着H(σ′_(m))维度的增加,D~γ整体非线性关系逐渐下倾伴随着增长速率逐级变缓。本文方法实现了原状土D在H(σ′_(m))和γ双向维度下的智能预测。
杨文保;朱恩赐;吴琪;陈国兴;卢艺静;蒋家卫;
南京工业大学岩土工程研究所,江苏南京210009 安徽省桥梁数据结构智慧诊断与智慧运维国际联合研究中心,安徽滁州239000南京工业大学岩土工程研究所,江苏南京210009南京工业大学岩土工程研究所,江苏南京210009 东南大学土木工程学院,江苏南京211189
土木建筑
原状土阻尼比共振柱试验土层深度剪应变双向维度特征BP神经网络智能预测
《哈尔滨工程大学学报》 2024 (008)
P.1527-1533 / 7
国家自然科学基金项目(51978334);安徽省桥梁结构数据诊断与智慧运维国际联合研究中心开放项目(2022AHGHYB05)。
评论