论文部分内容阅读
基于人工神经网络,提出了场地液化势预测模型.场地液化势的空间数据结构特征可由不同参数的自回归神经网络(GRNN)来模拟.该预测模型的一个重要参数spread可用地质统计学(Kriging)方法中的交叉验证技术来确定.研究表明,在最优spread参数条件下GRNN能够较好地映射场地液化势数据结构特征.用GRNN模型预测结果与经典的Kriging估计方法所得到的结果十分吻合.GRNN模型可以用于二维空间数据的预测及基于GIS决策系统.