论文摘要
建立砾类土最大干密度预估模型,为控制砾类土工程填筑压实质量、选取满足工程压实性能要求的砾类土提供最大干密度预估参考。颗粒级配是决定砾类土最大干密度的关键因素,收集并整理得到92组砾类土数据,以全级配(d10～d100)作为BP（GA-BP）神经网络的输入变量,利用遗传算法优化BP神经网络的初始权值与阀值,构建基于BP神经网络和遗传算法的砾类土最大干密度预估模型,并与BP神经网络进行对比。86组训练样本预估结果的平均相对误差为0.54%,决定系数为0.983;6组检测样本预估结果的平均相对误差为0.57%,证明该网络模型泛化性能良好。采用GA-BP神经网络,由全级配能较好地预估砾类土最大干密度,收敛速度、预估精度及泛化性能均优于标准的BP神经网络模型。
论文目录
文章来源
类型: 期刊论文
作者: 饶云康,丁瑜,许文年,张亮,张恒,潘波
关键词: 砾类土,最大干密度,全级配,神经网络,遗传算法
来源: 长江科学院院报 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 水利水电工程
单位: 三峡大学三峡库区地质灾害教育部重点实验室,三峡大学防灾减灾湖北省重点实验室,三峡地区地质灾害与生态环境湖北省协同创新中心
基金: 国家重点研发计划项目(2017YFC0504902-05),湖北省自然科学基金重点实验室项目(2016CFA085),长江科学院开放研究基金项目(CKWV2015208KY),三峡大学学位论文培优基金项目(2018SSPY029)
分类号: TV223
页码: 88-92
总页数: 5
文件大小: 916K
下载量: 127