人工神经网络已应用在岩土工程的各个方面。针对常用的 BP 网络的不足之处,建立了基于自适应神经模糊推理系统(ANFIS)的单桩竖向极限承载力预测模型。利用文献中桩的载荷试验数据来训练 ANFIS 网络,确定了网络参数。研究结果表明。同常...人工神经网络已应用在岩土工程的各个方面。针对常用的 BP 网络的不足之处,建立了基于自适应神经模糊推理系统(ANFIS)的单桩竖向极限承载力预测模型。利用文献中桩的载荷试验数据来训练 ANFIS 网络,确定了网络参数。研究结果表明。同常用的 BP 网络相比,ANFIS 预测模型具有学习速度快。拟合能力较好,训练结果唯一等优点,该方法是一种有效地预测单桩极限承载力的方法。展开更多
根据泉州市区6根现场试验桩的实测资料,对PHC桩上拔荷载-桩顶位移曲线进行拟合分析。基于1stOpt操作平台,选用Levenberg-Marquardt结合Universal Global Optimization-UGO的拟合方法,选用双曲线模型、幂函数模型和双曲线幂函数组合模型...根据泉州市区6根现场试验桩的实测资料,对PHC桩上拔荷载-桩顶位移曲线进行拟合分析。基于1stOpt操作平台,选用Levenberg-Marquardt结合Universal Global Optimization-UGO的拟合方法,选用双曲线模型、幂函数模型和双曲线幂函数组合模型对6根现场试验桩的拟合。结果表明双曲线幂函数组合模型的拟合精度最高,相关系数R超过0.9999,基于该数学模型的PHC桩上拔荷载的计算值与实测值的误差一般为-0.48%至0.55%;相对于试验报告给出的单桩竖向抗拔极限承载力为1400kN,根据拟合曲线预测的结果均有不同程度的提高,最高达59.13%。展开更多
文摘人工神经网络已应用在岩土工程的各个方面。针对常用的 BP 网络的不足之处,建立了基于自适应神经模糊推理系统(ANFIS)的单桩竖向极限承载力预测模型。利用文献中桩的载荷试验数据来训练 ANFIS 网络,确定了网络参数。研究结果表明。同常用的 BP 网络相比,ANFIS 预测模型具有学习速度快。拟合能力较好,训练结果唯一等优点,该方法是一种有效地预测单桩极限承载力的方法。
文摘根据泉州市区6根现场试验桩的实测资料,对PHC桩上拔荷载-桩顶位移曲线进行拟合分析。基于1stOpt操作平台,选用Levenberg-Marquardt结合Universal Global Optimization-UGO的拟合方法,选用双曲线模型、幂函数模型和双曲线幂函数组合模型对6根现场试验桩的拟合。结果表明双曲线幂函数组合模型的拟合精度最高,相关系数R超过0.9999,基于该数学模型的PHC桩上拔荷载的计算值与实测值的误差一般为-0.48%至0.55%;相对于试验报告给出的单桩竖向抗拔极限承载力为1400kN,根据拟合曲线预测的结果均有不同程度的提高,最高达59.13%。
