论文部分内容阅读
砂土液化是地震和震动引起的最显著的灾害形式之一,具有很大的危害性。近年来随着我国经济的飞速发展,住宅小区以及城市基础设施的不断兴建,对砂性土地基的要求越来越高。因此,快速、准确地分析和判别砂土液化的可能性及危害性也就变得更加重要。
然而,影响砂土液化的因素具有复杂性、多样性和非线性的特点,很难提出准确的判别公式,特别是很难同时考虑多方面的因素。人工神经网络是一类模拟生物神经系统的结构,它揭示数据样本中蕴含的非线性关系,大量处理单元组成非线性自适应动态系统,具有良好的自适应性、自组织性及很强的学习、联想、容错和抗干扰能力,在不同程度上和层次上可模仿大脑的信息处理机理,可灵活方便的对多成因的复杂的未知系数进行高度建模。特别是BP网络近年来广泛应用于模式识别、预测评估等领域,并取得良好的效果。该文在简要介绍BP神经网络基本原理及其算法的基础上,结合砂土液化本身的特点,建立判别准确率较高的液化判别BP神经网络模型。
现行的建筑抗震设计规范中的液化危害性评估是以土层的液化难易程度和液化土层所在的位置作为依据,而没有具体考虑上覆非液化土层和建筑物的存在对液化危害性的影响,这样难免会对评估结果的正确性造成影响。已有的研究分析表明,对使用浅基础的建筑物而言,计算液化震陷值S是说明地基失效的一个很好的指标,因为它不仅包含了液化土层的作用,还考虑了上部建筑物的影响。沿着这一思路,本文建立了存在浅基础的水平场地的液化危害性评价方法。
运用建立的判别砂土液化势的BP神经网络模型和砂土液化危害性评价方法,以佛山市顺德区乐从欧浦有限公司物流中心地基砂土液化评价为例,对区内潜在液化可能性的土层进行液化势预测和危害程度评价,并与规范判别法进行比较。验证了BP神经网络应用于砂土液化分析的可行性和该文提出的砂土液化危害程度划分方法的应用价值。