地震引起的砂土液化,使地基部分丧失承载力和产生不均匀沉降,给人类带来巨大灾难。因此,快速准确地分析和判别砂土液化的可能性及危害性十分重要。传统液化判别和危害程度评价方法多是在宏观地震灾害现象资料和室内试验基础上总结、分析、统计得出的规律。但由于影响砂土液化的复杂性和多样性,每种方法都有一定的运用范围和局限性,结论的可靠度还需提高。因此,建立综合多指标液化评价的液化预测方法是十分有必要的。本文阐述了BP网络原理,并结合要研究问题的实际特点来对神经网络模型进行改进,建立起与其适应的神经网络模型,在此基础上用Fortran语言编写了神经网络程序,并探讨了上下平移隐层的转换函数对网络预测的影响。1)收集砂土地震液化的现场数据,将这些数据按顺序以一定格式输入数据文件。2)建立砂土地震液化的BP网络模型,用该模型来评价砂土地震液化。通过对数据文件的数据进行处理,生成神经网络输入数据,对网络进行有指导的训练。然后对检测样本进行检验,与砂土地震液化现场实际结果进行对比。N13)根据研究问题的实际特点,对隐层的映射函数进行上下平移,建立的神经网络模型,对同样的数据进行训练和检测。对得出的评价结果进行对比分析,探讨对网络评价的影响。研究结果表明,运用BP神经网络预测砂土地震液化是一种实际可行的方法,为一些理论解答不完善、函数关系还不明确的问题,提供了一个新的方法和思路,具有较高的应用价值。