黄土的主要分布区也是强震的多发区,历史上曾发生过多次大地震,引发了大面积的黄土液化和滑坡,造成了严重震害。近年来的震害调查和室内试验表明:当土层中的含水量较高时,在一定强度的地震作用下就会发生液化和流滑。 本文介绍了黄土的液化机理、液化判别方法、液化产生条件以及影响因素,由于影响黄土液化的因素具有复杂性、多样性和非线性等特点,很难提出准确的判别公式,特别是很难能够共同考虑多方面的因素。人工神经网络能够揭示数据样本中蕴含的非线性关系,由大量神经元组成的非线性自适应动态系统具有良好的自适应性、自组织及很强的学习、联想、容错和抗干扰能力,在不同程度上和层次上可灵活方便的对多成因的复杂的未知系数进行高度建模。 但是,BP网络模型的实现需要掌握计算机编程语言及较高的编程能力,这在一定程度上不利于神经网络技术的推广和使用,而MATLAB软件提供了一个现成的神经网络工具箱(Neural Network Toolbox,简称NNT)。本文运用MATLAB的神经网络工具箱(NNT),结合黄土液化本身的特点,建立了判别黄土液化势以及黄土液化危害程度的两个BP网络模型,并参考唐山地震和国外的液化资料,阐述了基于MATLAB的BP网络应用于黄土液化分析的可行性和使用价值。 通过本文可以看出,运用MATLAB神经网络工具箱(NNT),不需要进行繁琐的编程,就可以快速、准确、有效的建立BP网络模型对黄土液化进行评价,而且具有很好的通用性和使用价值。