用神经网络残余Kriging预测场地液化势

提出了基于神经网络残余Kriging的场地液化势数据预测模型。利用传统的地质统计学方法中的交叉验证技术来寻找网络参数Spread。在最优网络参数下,GRNN网络较好地映射了场地液化势的非线性趋势,再借助于Kriging对残余分量进行数据空间结构分析和估值。计算结果表明,GRNN网络预测的非线性趋势较好地刻划了场地液化势数据的全局特征,其非线性映射能力要高于趋势面技术。去势后的场地液化势残余分量满足本征假设条件,可以很方便地用Kriging方法来估值。本法可以嵌入岩土工程决策系统对未勘察区域进行场地液化预测和评价。