分级加载下岩土流变的神经网络模型

宋 飞; 赵法锁

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 >

分级加载下岩土流变的神经网络模型

基础理论与实验研究 | 更新时间：2026-06-25

- 分级加载下岩土流变的神经网络模型
- Neural network model for rheology of rock and soil under step loading
- 岩土力学 2006年27卷第7期　刊出日期
- 作者机构：
  
  长安大学地质工程系,西安,710054
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TU433
- 网络首发：2013-11-19，
  
  纸质出版：2006
- 稿件说明：
移动端阅览
宋飞, 赵法锁. 分级加载下岩土流变的神经网络模型[J]. 岩土力学, 2006,27(7期　刊出日).

SONG Fei, ZHAO Fa-suo. Neural network model for rheology of rock and soil under step loading[J]. 2006, 27(7期　刊出日).
宋飞, 赵法锁. 分级加载下岩土流变的神经网络模型[J]. 岩土力学, 2006,27(7期　刊出日). DOI：

SONG Fei, ZHAO Fa-suo. Neural network model for rheology of rock and soil under step loading[J]. 2006, 27(7期　刊出日). DOI：

摘要

针对分级加载下用线性叠加原理来描述岩土非线性流变存在的问题，采用人工神经网络方法代替传统数学力学方法，建立了分级加载下岩土流变的神经网络模型，并且对具体岩石的蠕变试验曲线进行了模拟。结果表明，该模型能较好地描述岩土的非线性流变，具有较强的泛化能力，为研究岩土的流变特性特别是分级加载下岩土的非线性流变特性提供了一条新途径。

Abstract

In light of the problem of describing nonlinear rheology of rock and soil with principle of linear superposition

a neural network model for rheology of rock and soil under step loading has been established with artificial neural network instead of traditional mathematical and mechanical methods. By simulating the experimental creep curves of gypsum breccias

it is shown that the model can effectively describe nonlinear rheology of rock and soil with better prediction. This approach provides a new way for studying rheological properties of rock and soil especially nonlinear rheological properties under step loading.

关键词

Keywords

references

浏览量

1499

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

分级加载下岩土流变的神经网络模型

盐岩的分数阶非线性蠕变本构模型

粗粒土CT三轴流变试验研究

基于荷载传递法的单桩非线性受力性状分析软件开发及其应用

干湿循环作用下砂岩力学特性及其本构模型的神经网络模拟