人工神经网络在砂土液化判别及震陷预估中的应用

地震作用造成的砂土液化及液化性震陷,会给建筑物造成难以修复的破坏。地震时工程建设场地是否会液化?发生液化的可能性有多大?以及液化的后果如何?这是工程勘察部门需要回答的问题,也是工程场地地震安全性评价工作的重要内容之一。砂土液化及其震陷的发生、发展是一个复杂的过程,其影响因素很多,各因素之间呈高度的非线性关系。传统的砂土液化预测方法大多数是在宏观震害现象和室内试验基础上总结、分析得到的,存在着一定的局限性,其预测精度有待提高;而人工神经网络是一种多元非线性动力学系统,具有良好的自适应性、自组织性和很强的自学习、联想、容错、抗干扰能力,可以灵活方便地对多成因的复杂未知系统进行高度建模,可以实现全面考虑各种因素的砂土液化判别及震陷测。 以国内外25次大地震的众多实测液化资料为基础,经LVQ分类神经网络分类后的有效液化资料为样本,以描述地震动特性、砂土层埋藏环境和砂土物理力学性能的11个指标的不同组合为输入变量,采用BP神经网络（LM算法和快速BP算法）、RBF神经网络（广义回归神经网络newgrnn算法和概率神经网络newpnn算法）和遗传神经网络(（GA-BP）,建立了砂土液化预测模型,通过所建网络模型的训练、验证、应用和比较表明:①BP神经网络液化预测模型有较高的预测精度,其预测精度与模型的输入变量的不同组合有关,LM算法的计算速率比快速BP算法快得多;②增加BP神经网络模型的节点不一定能够提高网络模型的预测正确度;③以经LVQ分类后的样本为学习样本,BP模型、GA-BP模型和RBF模型的液化判别成功率相差不大,四参数的LM算法的BP模型法和RBF概率模型法的液化判别成功率最高。 以国内外25次大地震中的344组场地液化实测资料为基础,通过RBF神经网络模型的训练和检验,分析了修正标贯击数（N1）60与饱和砂土抗液化强度之间的非线性关系,建立了饱和砂土液化极限状态曲线或抗液化强度临界曲线经验公式,经统计分析,给出了液化和非液化的概率密度函数及抗液化安全系数与液化概率之间的经验公式,导出了具有概率意义的饱和砂土抗液化强度经验公式。当液化概率水平为50%时,即等价于传统的确定性砂土液化判别,该方法预测液化和非液化的可靠性分别为90.4%和81.2%,具有较高的可靠性。本文提出的砂土液化概率判别方法,使工程场地的砂土液化概率判别如同确定性砂土液化判别一样简单、方便,从而使砂土液化概率判别方法用于工程实践和纳入有关规范成为可能。 基于地基沉降计算的分层总和法,探讨了估算建筑物震陷的简化计算方法,