[1]宋瑞,唐洪祥,张韬,等.基于机器学习的砂土邓肯-张模型参数预测[J].水利与建筑工程学报,2024,(01):186-191.[doi:10.3969/j.issn.1672-1144.2024.01.025]
点击复制

基于机器学习的砂土邓肯-张模型参数预测()
分享到:

《水利与建筑工程学报》[ISSN:1672-1144/CN:61-1404/TV]

卷:
期数:
2024年01期
页码:
186-191
栏目:
出版日期:
2024-02-29

文章信息/Info

作者:
宋瑞1唐洪祥2张韬1邹君鹏3来源1张鹏3
1.空军勤务学院,江苏徐州221000;2.大连理工大学辽宁大连116000;3.天津港远航国际矿石码头有限公司,天津300450
关键词:
机器学习砂土邓肯-张模型参数预测
分类号:
TU41
DOI:
10.3969/j.issn.1672-1144.2024.01.025
文献标志码:
A
摘要:
为了给砂土邓肯-张模型参数的确定提供一种不做三轴试验条件下的获取途径,以大量的砂土三轴试验数据为基础,利用机器学习算法(支持向量机),用平均粒径、不均匀系数、曲率系数、相对密实度、干密度等较容易测得的基本物理参数作为输入值,以邓肯-张本构模型参数作为输出值,建立砂土本构参数的预测模型。从输入参数与输出参数的相关性看,输入参数中的干密度对输出参数影响最大;从不同核函数对支持向量机(SVM)预测效果的影响看,RBF核函数预测效果最好;在此基础上,预测邓肯-张本构模型参数。利用建立的参数预测模型,只需进行简单的室内物理性质试验获得基本物理性质参数,即可推定用于工程数值计算的邓肯-张模型参数,提高工程分析的效率和准确性,也可以用于判断室内三轴试验结果的正确性等。

参考文献/References:

[1] GhaboussiJ,DESidarta.Newnestedadaptiveneuralnetworks(NANN)forconstitutivemodeling[J].Com-puters&Geotechnics,1998,22(1):29-52.
[2] BanimahdM,YasrobiSS,WoodwardPK.Artificialneuralnetworkforstress-strainbehaviorofsandysoils:Knowledgebasedverification[J].Computers&Geotech-nics,2005,32(5):377-386.
[3] 彭瑞华.基于BP神经网络的土体抗剪强度参数的预测[J].山西建筑,2011,37(5):131-132.
[4] 杨 杰.基于遗传算法的上海软土修正剑桥模型参数分析[J].建筑工程技术与设计,2016(22):3258-3258,3251.
[5] 谢文强,蔡国军,王 睿,等.基于CPTu数据的黏性土不排水抗剪强度神经网络预测[J].土木工程学报,2019,52(S2):35-41.
[6] 张孟喜,闵 兴,涂 敏.卸载应力路径下黄土强度的神经网络预测[J].岩土力学,2004,25(S2):85-88.
[7] 苏 芮,王旭,蒋代军,等.基于带约束BP神经网络的黄土湿陷系数预测模型研究[J].路基工程,2019(3):14-18.
[8] ChenRenpeng,ZhangPin,KangXin,etal.Predictionofsurfacesettlementcausedbyearthpressurebalance(EPB)shieldtunnelingwithANNmethods[J].SoilsandFoundationsTokyo,2019,59(2):284-295.
[9] 刘国光,裴磊洋,杨跃敏,等.基于人工神经网络的机场土面区压实度预测[J].深圳大学学报(理工版),2021,38(1):54-60
[10] 郁 磊.MATLAB智能算法30个案例分析[M].北京:北京航空航天大学出版社,2011.
[11] CortesC,VapnikV.Support-vectornetworks[J].Ma-chineLearning,1995,20(3):273-297.
[12] 何昌荣,杨桂芳.邓肯-张模型参数变化对计算结果的影响[J].岩土工程学报,2002,24(2):170-174.
[13] 唐鸿祚.成样方法对不同颗粒级配砂土CD试验结果的影响[D].大连:大连理工大学,2019.
[14] 冯晓腊,王方艳,唐 璇,等.剪切盒尺寸与平均粒径对砂土抗剪强度的影响[J].科学技术与工程,2017,17(34):104-110.
[15] 黄海峰,易 武,刘艺梁,等.滑坡位移预测的SVR-MIV变量筛选方法研究[J].地下空间与工程学报,2016,12(1):213-219.
[16] 王小川.MATLAB神经网络43个案例分析[M].北京:北京航空航天大学出版社,2013.
[17] 韩 杰.成样方法及应力路径对饱和中密细砂剪切特性影响[D].大连:大连理工大学,2016.
[18] 陈 珍.成样方法对饱和中砂静力三轴试验结果的影响[D].大连:大连理工大学,2010.
[19] 李根华.基于数字图像测量系统的Duncan-Chang模型和南水模型参数的研究[D].大连:大连理工大学,2004.
[20] 王 健.基于数字图像测量系统的成样方法对细砂静三轴试验结果的影响[D].大连:大连理工大学,2011.
[21] 王助贫.三轴试验土样变形的数字图像测量方法及其应用[D].大连:大连理工大学,2002.
[22] 张丽娟.砂土平面应变试验研究[D].大连:大连理工大学,2015.
[23] 司海宝,殷 俊,李 会.皖江区域马鞍山段砂土邓肯-张模型参数试验验证[J].安徽工业大学学报:自然科学版,2019,36(2):159-164.

相似文献/References:

[1]王婷,唐洪祥.砂土试样剪切带发展过程分析[J].水利与建筑工程学报,2016,(04):112.[doi:10.3969/j.issn.1672-1144.2016.04.021]
[2]邓海峰,刘振纹,祁磊,等.波浪作用下饱和砂土孔压发展规律试验研究[J].水利与建筑工程学报,2017,(03):45.[doi:10.3969/j.issn.1672-1144.2017.03.009]
[3]谢永宁.基于Logistic回归的砂土地震液化评价[J].水利与建筑工程学报,2018,(06):32.[doi:10.3969/j.issn.1672-1144.2018.06.006]
[4]杨华勋,王福临,江 军,等.砂土地基中混凝土实心方桩水平承载特性分析[J].水利与建筑工程学报,2019,(04):136.[doi:10.3969/j.issn.1672-1144.2019.04.024]
[5]刘相龙,刘仲武,马灵会,等.基于支持向量机的边坡稳定性系数预测及变量分析[J].水利与建筑工程学报,2023,(01):172.[doi:10.3969/j.issn.1672-1144.2023.01.026]
[6]赵轩,刘光宇,胡天林,等.EICP固化砂土强度特性试验研究[J].水利与建筑工程学报,2023,(06):114.[doi:10.3969/j.issn.1672-1144.2023.06.017]
[7]方宝,张贤,张丽平,等.基于信息量-支持向量机组合模型的东莞市地面沉降灾害易发性评价[J].水利与建筑工程学报,2024,(02):149.[doi:10.3969/j.issn.1672-1144.2024.02.021]

备注/Memo

备注/Memo:
收稿日期:2023-08-30     修稿日期:2023-10-06
基金项目:中央高效基本科研业务费(DUT21TD106)
作者简介:宋 瑞(1995—),女,硕士,助教,主要从事岩土特性与机场抢修方面的研究。E-mail:1370531639@qq.com
通讯作者:唐洪祥(1973—),男,博士,教授,主要从事岩土力学理论与数值方法研究。E-mail:tanghx@dlut.edu.cn
更新日期/Last Update: 1900-01-01