由于影响膨胀土胀缩性的因素较多且复杂,各因素之间相关关系也未完全清楚,因此,膨胀土胀缩等级的分类是一个典型的不确定性问题。为了对膨胀土进行合理的分类,本文将模糊神经网络方法(自适应模糊神经网络和补偿模糊神经网络)用于膨胀土分类中,此方法可以处理带模糊性的信息,又可以自动设计和调整模糊系统的规则集和隶属函数,从而结合了神经网络和模糊逻辑各自的优点,为膨胀土胀缩等级分类提供了一条新的途径。 本文分析了影响膨胀土胀缩性的各种因素,参照国内外膨胀土胀缩等级分类方法,归纳了膨胀土分类指标,在此基础上,基于MATLAB算法语言,编写了自适应模糊神经网络和补偿模糊神经网络训练程序,分别对三组分类指标不同的膨胀土实测数据进行分类,取这三组数据的分类精度的平均值来评判该方法的有效性,并对这两类方法的分类结果进行了对比分析,结果表明,这两类模糊神经网络方法分类效果好,误差小,有望成为膨胀土分类研究中的有效辅助手段。 本文认为利用单一的分类方法有可能造成分类上的失误,因此本文再以BP神经网络、模糊综合评判、灰色聚类及查表法作为本文的参照方法,以求达到膨胀土分类的最佳效果。最后,本文分别将模糊神经网络方法与各参照方法的分类结果进行了分析和对比,说明了模糊神经网络方法更适用于膨胀土的分类,且值得进一步研究和推广。