基于主成分分析的优化神经网络模型及静压管桩单桩极限承载力预测

Optimized neural network model for predicting ultimate bearing capacity of statically-pressured pipe pile based on principal component analysis

引入主成分分析法和基于共轭梯度优化算法的人工神经网络模型原理,建立了静压管桩单桩竖向承载力预测估算的新方法。通过对影响单桩极限承载力的各因素进行主成分分析确定了综合变量,构建了以综合变量为输入,以单桩极限承载力为输出的神经网络模型。应用神经网络结构分析的共轭梯度算法,优化计算获得给定样本的网络权值和阈值,获得静压管桩极限承载力的估算网络,应用实例分析计算了静压管桩单桩极限承载力问题。结果表明,利用所建立的神经网络预测静压管桩极限承载力是可行的,且具有较好的预测精度和良好的适用性。该方法为静压管桩竖向承载性状的理论分析开辟了一个新的研究途径,为今后相关问题研究提供借鉴和指导。