二维场地液化势预测的神经网络方法

佘跃心

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

二维场地液化势预测的神经网络方法

基础理论与实验研究 | 更新时间：2026-06-25

- 二维场地液化势预测的神经网络方法
- Neural network approach for prediction of liquefaction potential of two-dimensional site
- 岩土力学 2004年25卷第10期　刊出日期
- 作者机构：
  
  1. 淮阴工学院建筑工程系,江苏,淮安,223001
  2. 河海大学岩土工程研究所,江苏,南京,210098
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TU19.5
- 网络首发：2014-07-25，
  
  纸质出版：2004
- 稿件说明：
移动端阅览
佘跃心. 二维场地液化势预测的神经网络方法[J]. 岩土力学, 2004,25(10期　刊出日).

SHE Yue-xin. Neural network approach for prediction of liquefaction potential of two-dimensional site[J]. 2004, 25(10期　刊出日).
佘跃心. 二维场地液化势预测的神经网络方法[J]. 岩土力学, 2004,25(10期　刊出日). DOI：

SHE Yue-xin. Neural network approach for prediction of liquefaction potential of two-dimensional site[J]. 2004, 25(10期　刊出日). DOI：

摘要

基于人工神经网络，提出了场地液化势预测模型。场地液化势的空间数据结构特征可由不同参数的自回归神经网络（GRNN）来模拟。该预测模型的一个重要参数spread可用地质统计学（Kriging）方法中的交叉验证技术来确定。研究表明，在最优spread参数条件下GRNN能够较好地映射场地液化势数据结构特征。用GRNN模型预测结果与经典的Kriging估计方法所得到的结果十分吻合。GRNN模型可以用于二维空间数据的预测及基于GIS决策系统。

Abstract

The prediction model for liquefaction potential of site based on artificial neural networks is presented. The spatial data structural characteristics of liquefaction potential of site can be mapped by different spread values. The optimal spread value can be determined by means of cross-validation technique of geostatistics. Study results indicate that the generalized regression neural networks can map the structural characteristics of liquefaction potential under the condition of the optimal spread. The result obtained is consistent with that of Kriging estimator. The model can be applied to the prediction of two-dimensional spatial data and the decision system based on GIS.

关键词

Keywords

references

浏览量

826

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多核模式的隧道沉降预测

基于灰色关联分析的遗传神经网络在水下爆破中质点峰值振动速度预测研究

多次干湿循环后土-水特征曲线的模拟

盐溶液饱和高庙子膨润土膨胀特性及预测

海堤地基固结系数反演与工后沉降分形模型预测