基于Quickprop算法的BP神经网络在边坡稳定性预测中的应用

目前,人工智能方法已经在岩土边坡稳定性预测方面得到应用,由于边坡稳定性的目标函数非线性强,且难获取受力效应的数学解,致使常规预测方法很难得到准确的预测结果。为提高边坡稳定性的预测精度和预测效率,在常规BP神经网络方法的基础上,结合边坡稳定性相关影响因素,采用基于Quickprop算法对预测误差进行归类判断,改善神经网络的构建方式,提高神经网络的预测精度和效率。经测试数据验证,改进的BP神经网络可用于边坡稳定性预测,预测误差小、精度高,具有较强的应用效果。

HSS模型在海口地区超大型深基坑中的应用研究

小应变硬化土模型在基坑开挖数值分析中适用性很好,但模型参数较多。简单介绍了HSS模型的理论基础,通过原位测试、室内实验、经验公式等研究手段给出了一套海口地区典型地层的HSS模型参数选用方法,并给出了建议取值。采用建议参数取值对超大型深基坑进行了数值模拟,结果表明计算值与实测值吻合得较好。从而验证了文中采用的数值分析方法的适用性以及参数选用方法的可靠性。