基于贝叶斯正则化BP神经网络的砂土地震液化研究

英文篇名：Analysis on Sand Seismic Liquefaction by Bayesian Regulated BP-Neural Networks
中文刊名：安全与环境工程
英文刊名：Safety and Environmental Engineering
作者：林志红 ; 项伟
英文作者：LIN Zhi-hong1 ; 2 ; XIANG Wei1(1.Second Highway Consultants Co. ; Ltd. ; China Communications Construction Corporation ; Wuhan430056 ; China ; 2.Faculty of Engineering ; China University of Geosciences ; Wuhan 430074 ; China)
中文关键词：贝叶斯正则化 ; BP神经网络 ; Seed简化法 ; 砂土地震液化
英文关键词：Bayesian regularization ; BP neural network ; Seed's simplified method ; sand seismic liquefaction
出版日期：2011-03-30
机构：中交第二公路勘察设计研究院有限公司;中国地质大学工程学院;
年：2011
期：02
出版单位：安全与环境工程

摘要

砂土地震液化的影响因素具有高度的非线性关系,而神经网络在处理非线性问题上具有其独特的优越性。本文在探讨输入层模式的选择以及砂土液化影响因素的基础上,采用改进的贝叶斯正则化方法和"提前停止"算法建立了砂土地震液化预测模型,通过实例计算和模型评价,表明本模型的计算结果与规范法、改进的Seed简化法以及基于传统BP网络算法的计算结果相比具有更高的预测精度和较小的训练步长,并采用该模型对厦门集美大桥新环岛互通桥区进行砂土液化评价,证明了该模型具有较高的精度和泛化能力。
The affecting factors of sand seismic liquefaction are highly nonlinear and the neural network has originality in processing non-linear problems.Based on the study of the selection of input layer model and the affecting factors of sand seismic liquefaction,the model for predicting sand liquefaction is built utilizing Bayesian regularization method and early stopping method.Through practical computation examples and the assessment of the model,the model is manifested to have much more accurate results and less learning factors than the norm method,Seed's simplified method and the calculation based on the traditional BP.The model is applied to evaluating sand liquefaction potential of new Island Ring mutual access area of Amoy Jimei Bridge,and the results show that the model has high precision and high generalization ability.

引文

[1]胡聿贤.地震工程学(第2版)[M].北京:地质出版社,2006.
    [2]陈文化,孙巨平,徐兵.砂土地震液化的研究现状及发展趋势[J].世界地震工程,1999,15(1):16-40.
    [3]陈国兴.岩土地震工程学[M].北京:科学出版社,2007.
    [4]孙锐,袁晓铭.第11届国际土动力学和地震工程会议及第13届世界地震工程会议砂土液化研究综述[J].世界地震工程,2006,22(1):15-20.
    [5]Seed,H.B.,I.M.Idriss.Simplified procedure for evaluation ofliquefaction based on SPT N-value and fines content[J].Soiland foundations,1971,(9):1 249-1273.
    [6]李方明,陈国兴.基于BP神经网络的饱和砂土液化判别方法[J].自然灾害学报,2005,14(2):109-114.
    [7]马骥,傅光翮,罗国煜.基于MATLAB的BP神经网络在砂土液化评价中的应用[J]水文地质工程地质,2004,(2):54-58.
    [8]刘红军,薛新华.砂土地震液化预测的人工神经网络模型[J].岩土力学,2004,(12):1 942-1 950.
    [9]钱为民.改进的BP神经网络在地震砂土液化预测中的应用[J].地下水,2008,30(1):79-82.
    [10]陈国兴,李方明.基于径向基函数神经网络模型的砂土液化概率判别方法[J].岩土工程学报,2006,28(3):301-305.
    [11]魏东.非线性系统神经网络参数预测与控制[M].北京:机械工业出版社,2007.
    [12]刘恢先.唐山大地震震害[M].北京:地质出版社,1986.
    [13]许东,吴铮.基于MATLAB 6.X的系统分析与设计——神经网络(第2版)[M].西安:西安电子科技大学出版社,2002.
    [14]工程地质手册编委会.工程地质手册(第4版)[M].北京:中国建筑工业出版社,2007.
    [15]Liao,S.S.C.,R.V.Witman.Overburden correction factor forSPT in sand[J].Journal of Geotechnical Engineering,ASCE,1986,(3):373-377.