国家留学基金(201208210208)
- 作品数：2 被引量：2H指数：1
- 相关作者：康飞彭涛更多>>
- 相关机构：大连理工大学东北电力设计院更多>>
- 发文基金：国家自然科学基金国家留学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：水利工程建筑科学天文地球更多>>
- 基于剪切波速与神经网络的砂砾土地震液化判别被引量：1
- 2014年
- 目前对于土层地震液化问题,多关注于砂土液化现象及判别方法研究,而砂砾土液化问题研究较少。基于砂土震害资料建立的剪切波速液化判别方法不能满足砂砾土液化判别的需要,往往会给出偏于危险的判别结果。在分析砂砾土液化主要影响因素的基础上,将神经网络引入砂砾土液化判别领域,建立了一种基于剪切波速和神经网络的砂砾土地震液化判别模型。将汶川地震中获取的砂砾土液化样本数据用于模型的训练和测试,实现了砂砾土液化与各影响因素之间的非线性映射。将所建立的模型用于汶川地震砂砾土液化判别分析,并和已有方法进行了对比,表明所提出的砂砾土液化判别方法具有判别准确率高的特点。
- 康飞彭涛杨秀萍
- 关键词：液化判别神经网络剪切波速汶川地震
- 基于径向基网络模型的面板堆石坝坝顶沉降量预测被引量：1
- 2014年
- 随着国家在水利基础建设方面的大力投入以及面板堆石坝自身的优越性,近几年该坝型逐步向超高坝型发展,同时坝体变形的预测也面临着诸多困难。本文提出了一种基于径向基(RBF)网络的面板堆石坝的变形预测模型。该模型充分利用了径向基网络的非线性映射能力,利用收集的历史样本信息,即可预测出面板堆石坝沉降。以水布垭面板堆石坝为例,预测得到的竣工期和满蓄5年后的沉降位移分别为2.156m和2.491m,与实测位移基本一致,相对误差分别为0.748%和0.400%。结果表明预测位移在设计允许范围之内,RBF网络模型具有建模速度快、预测精度高的特点。
- 韩少玄康飞
- 关键词：面板堆石坝径向基网络水布垭
