论文部分内容阅读
以时松孝次收集的砂土液化数据为研究对象，选取黏粒含量ρc、相对密实度Dr、临界深度ds、竖向有效应力σ′、地下水位dw、地震震级肘、最大地面水平加速度αmax和标准贯人次数SPT—N等8个砂土液化的主要影响因素作为RBF神经网络的输入参数，利用MATLAB7．0中的神经网络工具箱，对部分样本数据进行训练和测试。并利用建立的RBF神经网络模型分析了各因素对砂土液化的影响规律。结果表明：砂土液化判别指标随αmax的增加而增大，随SPT-N和dw的增加而减小。研究成果表明，建立的RBF网络模型完全满足砂土液化判