论文部分内容阅读
水泥粉煤灰碎石桩（Cement Flyash Gravel Piles，简称CFG桩）复合地基是一种低强度混凝土桩复合地基，由于用材经济、施工方便快捷、加固效果良好等优点，在工程上得到了广泛的应用。作为CFG桩复合地基设计的控制参数，复合地基承载力特征值fspk与沉降量S，一直是土木工程师们所关心的问题。而目前规范给出的CFG桩复合地基承载力和沉降量设计方法有诸多假定条件，导致计算结果，尤其是沉降量与实际有较大出入。 人工神经网络（Artificial Neural Networks，简写为ANN）是20世纪80年代迅速发展起来的一门新兴的学科分支。它可以通过学习和记忆而获得知识进行推理，找出输入、输出变量之间的关系，从而得出结果，尤其是对于问题机理和规律不甚了解或不便用数学模型表现的模糊系统，往往是最有利的工具。 本文尝试将神经网络运用到CFG桩复合地基中，建立起CFG桩复合地基辅助神经网络设计模型，并根据武汉地区数个工程实例的CFG桩复合地基现场静载荷资料，实现了该设计模型。本文所做的工作和得到的结论主要有： 1、探讨了目前CFG桩复合地基承载力和沉降量设计计算方法，研究了BP神经网络的学习算法和Matlab实现方法。 2、分析了影响CFG桩复合地基承载性状的诸多关键因素，选取标准贯入锤击数N63.5、天然孔隙比e、液性指数IL、压缩模量ES、压缩系数α1-2、内摩擦角φ、黏聚力c，桩径d、桩长L，置换率m，施工工艺P这11个指标作为建立辅助神经网络设计模型的输入参数。 3、在建立辅助神经网络设计模型过程中，根据处理问题的特殊性，在典型BP神经网络输入层和隐含层之间增设了一过渡层，使网络模型具有明确的物理意义，并根据承载力和沉降量之间的逻辑关系，采用两级神经网络模型。 4、将模糊层次分析法引入辅助神经网络设计模型中，对桩周土影响进行综合评价，解决了设计模型中输入节点过多、输入处理逻辑上难以实现等问题，同时，设计模型退化为典型的三层神经网络模型，便于设计模型的实现。 5、通过设计模型训练检验和预测评估，说明设计模型是稳定的，其速度和精度都高于现有的经验方法和数值方法。 6、基于该设计模型的承载力和沉降量设计影响参数两两对比分析表明，提高复合地基承载力的有效方法是在经济合理的桩长条件下，增大桩径和置换率；控制复合地基沉降量的有效方法是在合理的桩径和置换率条件下，增大桩长。