没有合适的资源?快使用搜索试试~ 我知道了~
卸荷条件下大理岩的BP神经网络模型,李刚,朱珍德,对锦屏二级水电站引水隧道的大理岩进行了保持轴向应变恒定的卸围压试验,得到大量试验数据。由于传统上Excel等对试验数据回归拟合�
资源推荐
资源详情
资源评论
- 1 -
卸荷条件下大理岩的 BP 神经网络模型
李刚
1,2
,朱珍德
1,2
,朱明礼
1,2
,刘金辉
1,2
1.河海大学岩土工程研究所,南京 (210098)
2.河海大学岩土力学与堤坝工程教育部重点实验室,南京 (210098)
E-mail:hhugangli@sina.com
摘 要:对锦屏二级水电站引水隧道的大理岩进行了保持轴向应变恒定的卸围压试验,得到
大量试验数据。由于传统上 Excel 等对试验数据回归拟合的缺陷,所以在此讨论了基于
MATLAB 工具箱的 BP 神经网络在卸荷试验中的应用。根据实际情况,设置适当的 BP 神经
网络参数,,对卸围压条件下的峰前和峰后试验数据进行训练和仿真,并建立了卸围压条件
下的 BP 神经网络模型。结果表明,BP 神经网络模型的预测值和试验值相当吻合,模拟效
果比较理想。
关键词:卸围压;峰前、峰后应力-应变关系;BP 神经网络模型
1 引言
土木建筑、水利水电、冶金矿山等众多工程项目中,常常遇到岩体工程难题,且事故频
发,因此有些岩体问题甚至已成为制约工程建设成败的关键
[1]
。岩体工程问题总的来说可以
分为加载条件下和卸荷条件下两种变形破坏。岩体工程在加载与卸荷不同的力学条件下,其
力学性质有着本质的差异
[2]
。边坡开挖、隧洞开挖、采矿工程,从力学性质上来讲都是卸荷
行为。随着实际卸荷工程的需要,越来越多的学者开始着手卸荷试验研究工作,得出了许多
有益的结论
[3-6]
。但是面对大量的试验数据,如何进行处理并应用到实际工程中,成为如今
的当务之急。BP 神经网络的工作原理类似“黑箱理论”,通过对输入、输出变量的学习而获
取外部知识并将其存储在网络内,建立起输入和输出之间的非线性关系,从而为复杂岩体本
构模型的建立及模型参数的确定这两大学科的研究提供了新的思路。
2 大理岩卸围压试验
本文利用美国 MTS 系统公司生产的 MTS 815.04 电液压伺服可控制刚性试验机,对取
自锦屏二级水电站引水隧道的大理岩进行了卸围压试验。试样加工规格为 50mm×100mm 的
圆柱体,加工过程中尽量避免对岩样的损坏。
文献[7,8]使用的是在保持轴向应力的同时降低围压,文献[9,10]使用的是在增加轴向应
力的同时降低围压。文献[11]使用的是保持轴向应变恒定的降低围压。在以应力控制的试验
中,试验机必须始终对岩样进行轴向压缩;而在以应变控制的方式下,试验机不再对岩样进
行轴向压缩,岩样是因为自身能力积聚而破坏。
本文采用应变控制方式,对试样进行保持轴向应变恒定的卸围压试验。在此基础上,建
立卸围压条件下的 BP 神经网络模型,研究卸围压条件下应力-应变关系。
3 BP 神经网络基本理论
反向传播网络(Back-Propagation Network,简称 BP 网络)是基于误差的逆向传播的多
层前馈神经网络。由于其优良的非线性拟合逼近和成熟的训练方法,使得目前应用最多的就
是 BP 神将网络
[12,13]
。
BP 网络是前向网络的精华代表。它分为三个大部分:输入层、隐含层和输出层。各层
之间采用全连接,但同层间没有连接。BP 网络的功效取决于 BP 算法的作用,BP 算法是由
http://www.paper.edu.cn
中国科技论文在线
资源评论
weixin_38659311
- 粉丝: 5
- 资源: 892
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功