期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于BP神经网络的海底浅层超软黏土不排水抗剪强度预测
1
作者
孙耀
李飒
+2 位作者
李怀亮
甘惠良
赵福臣
《中国海上油气》
CAS
CSCD
北大核心
2024年第1期176-185,共10页
准确评估海底浅层超软黏土的不排水抗剪强度对海洋资源开发、灾害评估、海洋工程建设等具有重要的意义。世界多个海域超软黏土数据分析对比表明,现有不排水抗剪强度评估经验公式存在受地域限制的问题,计算精度较低。因此,以超软黏土的6...
准确评估海底浅层超软黏土的不排水抗剪强度对海洋资源开发、灾害评估、海洋工程建设等具有重要的意义。世界多个海域超软黏土数据分析对比表明,现有不排水抗剪强度评估经验公式存在受地域限制的问题,计算精度较低。因此,以超软黏土的6个物性指标为输入变量,不排水抗剪强度为输出变量,建立BP神经网络模型进行海底浅层超软黏土不排水抗剪强度预测;根据建立的超软黏土不排水抗剪强度与物性指标之间的非线性映射网络,以权积法求解超软黏土不排水抗剪强度对各指标的敏感度系数,定量分析各指标对不排水抗剪强度的影响程度。结果表明:考虑多因素影响的BP神经网络模型在超软黏土不排水抗剪强度预测方面具有普遍适应性,其预测结果非常接近落锥试验实测结果,均方差0.02139,R2值达到0.9874,预测精度远高于现有经验公式;采用权积法计算得到的对数流动性指标对不排水抗剪强度最为敏感;据此建立了以对数流动性指标为参数的黏土不排水抗剪强度预测经验公式,该公式在计算中国海域超软黏土不排水剪切强度方面具有较高精度,但由于数据量有限,依旧存在一定局限性。本研究为海底浅层超软黏土不排水抗剪强度的计算提供了参考。
展开更多
关键词
海底浅层
超软黏土
不排水抗剪强度
BP神经网络
权积法
物性指标
敏感度
下载PDF
职称材料
土体导热系数智能方法预测及影响因素敏感性分析
2
作者
姚兆明
王洵
齐健
《工程热物理学报》
EI
CAS
CSCD
北大核心
2024年第5期1440-1449,共10页
土体导热系数是描述土传热性能的重要参数之一,对其准确地预测和敏感性分析有助于评估岩土工程的热响应热性,预防工程的变形和破坏。基于Kersten团队的土导热系数试验,分析导热系数的影响因素,考虑将温度变量引入传统经验公式并验证,得...
土体导热系数是描述土传热性能的重要参数之一,对其准确地预测和敏感性分析有助于评估岩土工程的热响应热性,预防工程的变形和破坏。基于Kersten团队的土导热系数试验,分析导热系数的影响因素,考虑将温度变量引入传统经验公式并验证,得到对黏土适用性较好的改进经验公式。基于人工智能算法对导热系数建立以土质、干密度、含水率和温度为输入变量的预测模型。分析预测结果表明随机森林模型、径向基函数神经网络(RBFNN)和鲸鱼优化BP神经网络(WOA-BP)都能准确地预测导热系数,其中WOA-BP的预测性能最好,随机森林和RBFNN次之。选用新的样本集对预测模型进行验证,发现模型预测效果依旧很好,具有一定的泛化能力。利用蒙特卡洛模拟对改进经验公式进行参数敏感度分析;再借助随机森林模型对特征重要性进行排序,评估不同输入变量对模型输出的影响程度:最后通过权积法结合WOA-BP计算影响因素敏感性。发现三种方法得出的结果均一致,即导热系数对含水率、干密度、温度和土质的变化敏感程度依次降低。
展开更多
关键词
导热系数
人工智能算法
因素敏感性
蒙特卡洛模拟
特征重要性
权积法
原文传递
题名
基于BP神经网络的海底浅层超软黏土不排水抗剪强度预测
1
作者
孙耀
李飒
李怀亮
甘惠良
赵福臣
机构
天津大学建筑工程学院
海洋石油工程股份有限公司
出处
《中国海上油气》
CAS
CSCD
北大核心
2024年第1期176-185,共10页
基金
国家自然科学基金“深海土内结构演化与多过程耦合模型和计算理论(编号:51890911)”部分研究成果。
文摘
准确评估海底浅层超软黏土的不排水抗剪强度对海洋资源开发、灾害评估、海洋工程建设等具有重要的意义。世界多个海域超软黏土数据分析对比表明,现有不排水抗剪强度评估经验公式存在受地域限制的问题,计算精度较低。因此,以超软黏土的6个物性指标为输入变量,不排水抗剪强度为输出变量,建立BP神经网络模型进行海底浅层超软黏土不排水抗剪强度预测;根据建立的超软黏土不排水抗剪强度与物性指标之间的非线性映射网络,以权积法求解超软黏土不排水抗剪强度对各指标的敏感度系数,定量分析各指标对不排水抗剪强度的影响程度。结果表明:考虑多因素影响的BP神经网络模型在超软黏土不排水抗剪强度预测方面具有普遍适应性,其预测结果非常接近落锥试验实测结果,均方差0.02139,R2值达到0.9874,预测精度远高于现有经验公式;采用权积法计算得到的对数流动性指标对不排水抗剪强度最为敏感;据此建立了以对数流动性指标为参数的黏土不排水抗剪强度预测经验公式,该公式在计算中国海域超软黏土不排水剪切强度方面具有较高精度,但由于数据量有限,依旧存在一定局限性。本研究为海底浅层超软黏土不排水抗剪强度的计算提供了参考。
关键词
海底浅层
超软黏土
不排水抗剪强度
BP神经网络
权积法
物性指标
敏感度
Keywords
shallow seabed
ultra soft clay
undrained shear strength
BP neural network
weight product method
physical property indicators
sensitivity
分类号
P75 [天文地球—海洋科学]
下载PDF
职称材料
题名
土体导热系数智能方法预测及影响因素敏感性分析
2
作者
姚兆明
王洵
齐健
机构
安徽理工大学土木建筑学院
矿山地下工程教育部工程研究中心
出处
《工程热物理学报》
EI
CAS
CSCD
北大核心
2024年第5期1440-1449,共10页
基金
矿山地下工程教育部工程研究中心开放研究项目(No.JYBGCZX2021104)。
文摘
土体导热系数是描述土传热性能的重要参数之一,对其准确地预测和敏感性分析有助于评估岩土工程的热响应热性,预防工程的变形和破坏。基于Kersten团队的土导热系数试验,分析导热系数的影响因素,考虑将温度变量引入传统经验公式并验证,得到对黏土适用性较好的改进经验公式。基于人工智能算法对导热系数建立以土质、干密度、含水率和温度为输入变量的预测模型。分析预测结果表明随机森林模型、径向基函数神经网络(RBFNN)和鲸鱼优化BP神经网络(WOA-BP)都能准确地预测导热系数,其中WOA-BP的预测性能最好,随机森林和RBFNN次之。选用新的样本集对预测模型进行验证,发现模型预测效果依旧很好,具有一定的泛化能力。利用蒙特卡洛模拟对改进经验公式进行参数敏感度分析;再借助随机森林模型对特征重要性进行排序,评估不同输入变量对模型输出的影响程度:最后通过权积法结合WOA-BP计算影响因素敏感性。发现三种方法得出的结果均一致,即导热系数对含水率、干密度、温度和土质的变化敏感程度依次降低。
关键词
导热系数
人工智能算法
因素敏感性
蒙特卡洛模拟
特征重要性
权积法
Keywords
thermal conductivity
artificial intelligence algorithm
factor sensitivity
Monte Carlo simulation
feature importance
weight product method
分类号
TU43 [建筑科学—岩土工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于BP神经网络的海底浅层超软黏土不排水抗剪强度预测
孙耀
李飒
李怀亮
甘惠良
赵福臣
《中国海上油气》
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
土体导热系数智能方法预测及影响因素敏感性分析
姚兆明
王洵
齐健
《工程热物理学报》
EI
CAS
CSCD
北大核心
2024
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部