共查询到10条相似文献，搜索用时 31 毫秒
1.
2.
砂土地震液化的模糊优化判别 总被引：4，自引：0，他引：4
利用模糊最优归类方法对砂土地震液化进行判定,通过综合地震烈度、平均粒径、标贯值和有效上覆应力等影响砂土地震液化的因素,利用最优归类隶屑度向量作为砂土是否液化的判别指标,并经实例计算验证了该方法的可行性.该方法采用的指标在现场勘测中容易取得,计算过程简单明了,有一定实用价值. 相似文献
3.
4.
为研究地震作用下饱和砂土液化判别及地震放大效应的影响因素,采用边界面塑性模型框架内开发的砂土本构模型,基于开源有限元平台OpenSees建立了一维剪切梁土柱模型。以循环应力比CSR和循环抗力比CRR为控制指标,对比了不同液化判别方法的差异,分析了地震荷载类型和砂土相对密度对液化判别和放大效应的影响。研究表明:与数值模拟结果相比,Seed简化法计算的CSR更大,判断饱和砂土场地发生液化的可能性更高;冲击型地震波较振动型地震波更容易使饱和砂土场地发生液化,砂土相对密度越小场地越容易发生液化;放大系数随埋深的减小而增大,振动型地震波引起的放大效应整体大于冲击型,埋深较大时放大系数随砂土相对密度的增大而减小。 相似文献
5.
地震砂土液化的影响因素具有非线性关系,至今没有形成规范的预测标准。人工神经网络在砂土液化预测中有较好的应用,尤其是BP神经网络,但由于其本身存在缺陷:学习收敛速度慢,易陷入局部极小;遗传算法具有良好的搜索全局最优解的能力。探讨利用遗传算法优化BP神经网络权值和初始阈值来预测地震砂土液化,其效果比传统的BP网络有显著提高。 相似文献
6.
改进了进化遗传算法,提出了新的交叉算子和变异算子,使之具有更好的全局收敛能力。砂土液化是一种危害极大的地震破坏现象,其影响因素很多,选择地震烈度、砂土粒径、相对密度、标贯击数和有效正应力为判据,利用改进了的进化遗传算法建立了砂土地震液化的判别模型。与现场液化情况比较表明,改进进化遗传算法应用于砂土地震液化的判别效果良好。 相似文献
7.
地震砂土液化预测模型研究 总被引：1，自引：0，他引：1
本文通过对砂土液化机制的研究,建立了临界液化状态下的超静孔隙水压力随地震地面加速度及地震持续时间的关系式,利用该模型可以确定砂土层达到临界液化状态所需地震持续时间及液化可能发生的深度,并根据唐山地区的砂土液化资料进行了实例分析。 相似文献
8.
改进了进化遗传算法,提出了新的交叉算子和变异算子,使之具有更好的全局收敛能力。砂土液化是一种危害极大的地震破坏现象,其影响因素很多,选择地震烈度、砂土粒径、相对密度、标贯击数和有效正应力为判据,利用改进了的进化遗传算法建立了砂土地震液化的判别模型。与液化情况比较表明,改进进化遗传算法应用于砂土地震液化的判别效果良好。 相似文献
9.
人工神经网络在砂土液化评判中的应用 总被引：6，自引：0，他引：6
影响饱和砂土液化的因素众多,必须建立多指标的综合评判模型来进行评判,而神经网络是一种非线性的动力系统,对于砂土液化评判等线性问题最具有优越性,利用ＢＰ型人工神经网络计算原理,采用震级、地面运动加速度最大、标贯击数、比贯入阻力、相对密实度、砂土平均粒径和地下水位等共７个变量建立的砂土液化评判模型,可对砂土液化的严重程度和对建筑物的危害程度实现简单而高效的定量评判。实例研究表明,人工网络法是解决砂土液 相似文献
10.
为快速准确地对砂土液化情况作出预测,选取地震烈度、地下水位、覆盖厚度、标贯击数、平均粒径、地貌单元、土质及不均匀系数为主要影响因素,运用相关性分析和因子分析模型对其进行分析和属性约减,采用遗传算法（GA）对支持向量机（SVM）的参数寻优,结合Adaboost迭代算法,建立预测砂土地震液化的GA_SVM_Adaboost模型。选用唐山地震砂土液化现场勘察资料中的329组数据对模型进行训练,利用该模型对剩余68组砂土液化数据进行预测。最后,将预测结果与GA_SVM和SVM模型预测结果进行比较。结果表明,3个模型的平均预测准确率分别为100%、98.04%、89.71%,基于因子分析的GA_SVM_Adaboost模型的预测准确性优于GA_SVM模型和SVM模型,是一种解决砂土地震液化预测问题的有效方法,具有一定的应用参考价值。 相似文献