期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于孔压静力触探试验测试数据的原位固结系数物理信息神经网络反演方法
被引量：
4
1
作者
李林
左林龙
+1 位作者
胡涛涛
宋博恺
《岩土力学》
EI
CAS
CSCD
北大核心
2024年第10期2889-2899,共11页
固结系数是软基沉降计算和稳定性分析的关键参数,现有固结系数原位测试方法存在耗时长且精度低的缺点。根据孔压静力触探试验(piezoconepenetrationtest,简称CPTU)贯入机制与锥肩超孔隙水压力消散模式,采用圆孔扩张理论和轴对称固结方...
固结系数是软基沉降计算和稳定性分析的关键参数,现有固结系数原位测试方法存在耗时长且精度低的缺点。根据孔压静力触探试验(piezoconepenetrationtest,简称CPTU)贯入机制与锥肩超孔隙水压力消散模式,采用圆孔扩张理论和轴对称固结方程描述CPTU锥肩超孔隙水压力的形成、发展和消散过程,利用神经网络自动微分功能将轴对称固结方程嵌入深度神经网络,通过物理方程损失函数、边界条件损失函数和初始条件损失函数形成神经网络的物理信息约束,同时将CPTU孔压测试数据作为数据驱动项,以最小化超孔隙水压力损失函数为优化目标,建立了CPTU孔压测试数据反演场地原位固结系数的物理信息神经网络(physics-informed neural networks,简称PINNs)模型。通过已有离心模型试验数据反演验证了PINNs模型反演场地原位固结系数的有效性,并利用CPTU孔压测试数据分析了PINNs模型反演原位固结系数的鲁棒性。结果表明:提出的PINNs模型能够有效利用CPTU孔压测试数据快速准确地反演场地原位固结系数;由于模型融入了物理机制约束,所需训练数据量少,且对有噪声的孔压测试数据具有较强的鲁棒性和泛化性能,为准确、快速可靠测试场地原位固结系数提供了有效途径。
展开更多
关键词
原位固结系数
静力触探
孔压测试数据
固结
方程
物理信息神经网络
参数反演
在线阅读
下载PDF
职称材料
题名
基于孔压静力触探试验测试数据的原位固结系数物理信息神经网络反演方法
被引量：
4
1
作者
李林
左林龙
胡涛涛
宋博恺
机构
长安大学公路学院
长安大学西安市绿色智慧交通岩土工程重点实验室
出处
《岩土力学》
EI
CAS
CSCD
北大核心
2024年第10期2889-2899,共11页
基金
国家自然科学基金(No.52108297)
中国博士后基金面上项目(No.2021M692742)
+2 种基金
中国博士后基金特别资助项目(No.2023T160560)
陕西省秦创原引用高层次创新创业人才项目(No.QCYRCXM-2022-29)
中央高校基本科研业务费(No.300102212301,No.300102214303)。
文摘
固结系数是软基沉降计算和稳定性分析的关键参数,现有固结系数原位测试方法存在耗时长且精度低的缺点。根据孔压静力触探试验(piezoconepenetrationtest,简称CPTU)贯入机制与锥肩超孔隙水压力消散模式,采用圆孔扩张理论和轴对称固结方程描述CPTU锥肩超孔隙水压力的形成、发展和消散过程,利用神经网络自动微分功能将轴对称固结方程嵌入深度神经网络,通过物理方程损失函数、边界条件损失函数和初始条件损失函数形成神经网络的物理信息约束,同时将CPTU孔压测试数据作为数据驱动项,以最小化超孔隙水压力损失函数为优化目标,建立了CPTU孔压测试数据反演场地原位固结系数的物理信息神经网络(physics-informed neural networks,简称PINNs)模型。通过已有离心模型试验数据反演验证了PINNs模型反演场地原位固结系数的有效性,并利用CPTU孔压测试数据分析了PINNs模型反演原位固结系数的鲁棒性。结果表明:提出的PINNs模型能够有效利用CPTU孔压测试数据快速准确地反演场地原位固结系数;由于模型融入了物理机制约束,所需训练数据量少,且对有噪声的孔压测试数据具有较强的鲁棒性和泛化性能,为准确、快速可靠测试场地原位固结系数提供了有效途径。
关键词
原位固结系数
静力触探
孔压测试数据
固结
方程
物理信息神经网络
参数反演
Keywords
in-situ consolidation coefficient
static cone penetration
pore pressure test data
consolidation equation
physics-informed neural networks
parameter inversion
分类号
TU447 [建筑科学—岩土工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于孔压静力触探试验测试数据的原位固结系数物理信息神经网络反演方法
李林
左林龙
胡涛涛
宋博恺
《岩土力学》
EI
CAS
CSCD
北大核心
2024
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
