论文摘要
利用人工神经网络模型,建立基于孔压静力触探(CPTu)现场测试数据的黏性土不排水抗剪强度的预测方法。为建立和验证人工神经网络模型,在3个场地开展CPTu和十字板剪切现场测试,共取得33个测孔的CPTu试验数据和相对应的不排水抗剪强度实测值。通过对比分析不同输入向量、不同网络隐层数、不同神经元数及不同改进算法对人工神经网络模型性能的影响,确定人工神经网络模型的具体形式。通过对训练组数据开展机器学习,所建立的人工神经网络模型能够有效地基于CPTu获得的端阻力和孔隙水压力现场测试数据对黏土不排水抗剪强度进行预测,预测结果与十字板剪切试验实测结果非常接近。与传统用于估算不排水强度的经验关系相比,采用人工神经网络模型预测结果与实测结果相关性显著提高、误差明显降低。
论文目录
文章来源
类型: 期刊论文
作者: 谢文强,蔡国军,王睿,张建民
关键词: 孔压静力触探,黏性土,不排水抗剪强度,人工神经网络
来源: 土木工程学报 2019年S2期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 建筑科学与工程
单位: 清华大学城市轨道交通绿色与安全建造技术国家工程实验室,东南大学
基金: 国家自然科学基金面上基金项目(51678346),国家自然科学基金青年基金项目(51708332)
分类号: TU413
DOI: 10.15951/j.tmgcxb.2019.s2.006
页码: 35-41
总页数: 7
文件大小: 2130K
下载量: 188