嵌岩长桩承载特性的人工神经网络模型的建立与研究

摘要

目前,对嵌岩长桩的受力、变形和破坏机理了解得还不太透彻,系统的试验研究还不够多.从影响桩基承载力和沉降的主要因素可以看出,除了桩本身的强度和几何特性之外,桩周土和桩底土的特性对桩承载力的影响是至关重要的.由于影响土的工程性质的因素十分复杂,导致精确计算桩承载力十分困难.因此,对极限承载力和沉降往往采用经验或半经验方法进行计算分析,而这都做了些不太符合实际状况的假定,与实际状况相差较大.由于人工神经网络方法在处理经验性、非线性、复杂的问题具有相当的优越性和适应性,所以本文预建立它的人工神经网络模型用来预测其承载力和沉降.本文收集了杭州地区嵌岩长桩试桩资料,利用主成分分析简化了神经网络输入单元数,建立了该地区此类桩型的人工神经网络模型,并对模型做了改进(特别是结合了遗传算法).通过比较验证了模型建立的可行性和正确性,并对极限承载力和沉降的影响因素进行了分析,得出一些对工程有益的结论.

目录

文摘

英文文摘

第一章绪论

1.1钻孔灌注桩的应用和发展

1.2问题的提出

1.3国内外研究状况

1.4本文的研究内容

第二章人工神经网络和遗传算法理论

2.1引言

2.2人工神经网络

2.2.1概述

2.2.2人工神经网络的特点

2.2.3人工神经元模型

2.2.4人工神经网络的运行过程

2.2.5人工神经网络的拓扑结构

2.2.6BP算法的数学理论

2.2.7 BP算法具体流程

2.3遗传算法

2.3.1概述

2.3.2遗传算法的特点

2.3.3遗传算法应用设计理论

第三章数据收集与分析处理

3.1引言

3.2主成分分析理论

3.2.1基本概念

3.2.2计算步骤

3.3岩土性质指标的选用及其分类标准

3.3.1土的物理力学性质及其选用指标

3.3.2岩体的物理力学性质及其选用指标

3.4数据收集

3.4.1杭州市工程地质

3.4.2嵌岩灌注桩试验资料

3.5主成分计算与分析

3.5.1主成分计算

3.5.2主成分计算结果

3.6本章小结

第四章神经网络模型建立与预测分析

4.1引言

4.2神经网络模型的建立

4.2.1输入输出设计

4.2.2中间隐层的设计

4.2.3激活函数

4.2.4学习率η的选择

4.2.5学习过程

4.2.6学习规则

4.2.7学习次数

4.2.8终止条件

4.3模型的改进

4.3.1学习率自适应调整

4.3.2附加动量法

4.3.3初始权重的优化

4.4遗传算法与人工神经网络的结合

4.4.1遗传算法优化初始权重

4.4.2遗传算法的参数选择

4.4.3遗传算法的改进

4.5网络预测

4.5.1参数选择

4.5.2预测结果

4.6模型的应用问题

4.7本章小结

第五章基于神经网络模型的桩基特性分析

5.1引言

5.2基于BP神经网络模型的桩基特性分析

5.2.1桩径影响分析

5.2.2嵌岩深度影响分析

5.2.3沉渣厚度影响分析

5.2.4岩石饱和单轴抗压强度影响分析

5.2.5岩体风化程度影响分析

5.3本章小结

第六章总结·展望

6.1总结

6.2展望

参考文献

附表

致谢