%0 Journal Article
%A 勾丽杰
%A 刘家顺
%T RBF神经网络模型在砂土液化判别中的应用研究
%D 2013
%R 10.3969/j.issn.1001-5485.2013.05.017
%J 
院报
%P 76-81
%V 30
%N 5
%X 以时松孝次收集的砂土液化数据为研究对象，选取黏粒含量<i>ρ</i><sub>c</sub>、相对密实度<i>D</i><sub>r</sub>、临界深度<i>d</i><sub>s</sub>、竖向有效应力<i>σ</i>′、地下水位<i>d</i><sub>w</sub>、地震震级<i>M</i>、最大地面水平加速度<i>α</i><sub>max</sub>和标准贯入次数SPT-<i>N</i>等8个砂土液化的主要影响因素作为RBF神经网络的输入参数，利用MATLAB7.0中的神经网络工具箱，对部分样本数据进行训练和测试。并利用建立的RBF神经网络模型分析了各因素对砂土液化的影响规律。结果表明：砂土液化判别指标随<i>α</i><sub>max</sub>的增加而增大，随SPT-<i>N</i>和<i>d</i><sub>w</sub>的增加而减小。研究成果表明，建立的RBF网络模型完全满足砂土液化判别的精度要求，能够精确模拟输入和输出之间复杂的非线性映射关系，具有较高的预测精度，具有重要的工程应用价值。
%U http://ckyyb.crsri.cn/CN/10.3969/j.issn.1001-5485.2013.05.017