基于GMDH的地震液化场地侧向变形预测模型

摘要：

基于GMDH神经网络,建立了地震液化场地侧向变形的预测模型,并将其结果与传统反向传播BP、遗传算法优化BP、径向基函数RBF等神经网络的预测结果进行比较.结果表明,缓坡和临空面场地中,所提模型在训练样本集的拟合相关系数分别为96.43％和93.82％,模型准确度较高.对于缓坡场地,倾斜率、液化土层厚度与侧向变形成正相关关系,震中距、平均细粒质量分数则与其成负相关关系;对于临空面场地,高度与距离长度之比、液化土层厚度与侧向变形成正相关关系,平均细粒质量分数、平均粒径与其成负相关关系.通过实际工程应用发现,所提模型的预测结果与经典的Youd简化模型结果吻合较好,由此证明了其可靠性,可在高烈度地震区工程建设中应用与推广.

关键词：液化、侧向变形、数据处理群集方法、孔压静力触探、敏感性分析

所属期刊栏目：51

分类号：TU43(土力学、地基基础工程)

资助基金：国家自然科学基金资助项目41877231,42072299

在线出版日期：2021-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：306-311