融沉系数的人工神经网络预测方法

作者：姚晓亮; 齐吉琳

来源：冰川冻土, 2011, (04): 891-896.

• 融沉系数
• 人工神经网络
• 物性参数
• 干密度
• 含水量 thaw-settlement coefficient
• artificial neural network
• physical parameters
• dry unit weight
• water content

分析了前人关于融沉系数经验方法的研究结果,结果显示,与融沉系数关系最为密切的物性参数为液塑限、粉黏粒含量、干密度和含水量(含冰量).为了能够综合描述诸因素与融沉系数的经验关系,以兰州黄土和青藏黏土为试验对象,得到了两种具有不同物性参数的土在不同含水量和干密度条件下的融沉系数.采用BP神经网络算法对试验数据进行学习训练,得到了各因素与融沉系数间的经验关系数据库.为了提高训练样本的代表性,引用前人研究中的部分数据作为补充.对预留数据的预测结果表明,综合考虑多因素影响的BP神经网络经验方法具有较好的预测精度,而使用单一因素(含水量或干密度)预测融沉系数的经验方法其精度相对较差.

• 单位
  中国科学院寒区旱区环境与工程研究所; 冻土工程国家重点实验室