手机知网 App
24小时专家级知识服务
打 开
自动化技术
基于改进RBF神经网络的最大动剪切模量确定
采用径向基函数(RBF)神经网络的手段,直接建立最大动剪切模量Gmax与孔隙比e、围压σ3、固结比kc这3个影响因素的非线性关系,避开了寻找Gmax与各影响因素之间定量经验公式的繁琐工作。通过模式搜索法计算出径向基函数的扩展速度的最优值,使模型的预测误差最小。以福建标准砂为例,模式搜索法得出的扩展速度SPREAD最优值为2.287,RBF网络预测的Gmax平均相对误差为0.931 6%,误差很小,说明RBF神经网络能方便、有效地确定不同条件下的Gmax,具有一定的推广利用价值。除了对Gmax能够很好地预测外,RBF网络对G-γ关系曲线也能很好地模拟。
领 域:
格 式:
PDF原版;EPUB自适应版(需下载客户端)
0 100
手机阅读本文
下载APP 手机查看本文
长江科学院院报
2011年07期
相似文献
图书推荐
相关工具书

搜 索