评价诱导定居点的桩筏耦合使用神经网络和进化多项式回归分析动载荷

文摘

耦合的桩筏基础(CPRFs)广泛应用之间共享大量的上层建筑桩筏和减少总微分定居点。静态/耦合分析动载荷引起的定居点的一个主要担忧的工程师在设计CPRFs。评价诱导CPRFs定居点已经普遍使用三维有限元/有限差分建模或通过昂贵的实际规模/原型模型试验。分析以来,尤其是在耦合分析动载荷的情况下,并不是简单地进行,本文提出两种实用方法获得解决方案的价值。首先,不同的非线性有限差分模型在不同开发静态和耦合分析动载荷计算施加定居点。分析执行不同的轴向荷载和桩的配置、数量、长度、直径、间距对加载情况。结果的基础上有效的三维有限差分模型,然后应用人工神经网络和进化多项式回归和引入能力方法准确地呈现静态和耦合动定居点。同时,使用基于余弦振幅的灵敏度分析方法,介绍了轴向载荷作为最具影响力的参数,而比l / d报告是最有效的参数CPRFs的定居点。

1。介绍

CPRF代表结合桩筏基础,通常应用于遭受沉重的摩天大楼之间通过共享施加负载筏和成堆。桩筏系数,、控制负载共享率和被定义为负荷之和的比例由成堆的对应值,整个系统的阻力。它从0变化为立足点蔓延至1桩基础。另外,如图1的定居点CPRF ()可以计算值的基础上()和桩基础的沉降()。

桩通常用来降低基金会的总清算。在过去的三十年中,一些研究人员就像那些的1- - - - - -3)已经宣布有效负载共享机制,准确地桩筏的行为进行调查。新的成熟的计算方法和有限元(FE)代码如Defpig Napra帮助建模可用的相互作用(4- - - - - -6]。除此之外,一些其他的小比例模型研究[7,8]和文献中的数值模拟和分析的改进设计过程(9- - - - - -11]。此外,监测结果的行为积累一些摩天大楼筏支持大量报道(12,13]。但有一个明显的需要一个全面研究了桩筏定居点的垂直静载荷和水平的动态相结合。因为它是实验耗时和昂贵的,数值模拟被认为是一个好的选择准确研究CPRFs行为。然而,为了有一个全面而准确的模型,特别是在CPRFs高层建筑的大量堆积,会有大量的结构元素和计算时间使分析变得很困难。为了应对这个困难,最近,一些研究工作的重点是软计算技术的应用,快速和强大的工具和替代其他耗时和昂贵的方法,桩和桩筏基础的问题行为(14,15]。研究的Armaghani et al。(2015)14],极限承载力研究,而Baziar et al。(2014)15)评估静态诱导定居点。因此,桩筏的动态加载引起的定居点和软计算技术的应用对这个问题还没有完全研究。然后,有一个明显的需要快速和准确的预测桩筏清算工具结合垂直static-horizontal动态加载条件。依赖的事实进行真比例尺或原型规模场耦合的动态行为或实验测试桩筏基础需要大量的时间和金钱,也考虑到数值模拟的过程和分析时间,如果一个替代方法预测CPRFs的定居点在动态加载情况下存在,这将是有用的。这种方法应该都准确的实验建模的优势和较低的计算时间。因此,进化神经网络建模和应用多项式回归(epr),这被认为是常见的方法来准确和及时的预测工程复杂的函数,可以检查。不同的尝试应用神经网络和epr模型不同的民事和岩土工程问题提出了在文献[14- - - - - -33]。他们就是实用的范围广泛的问题深层土壤稳定、混凝土、及其相关结构,抗压强度的土壤、岩石、和稳定样本,浅和深基础承载力,横向传播,岩石力学、岩石工程和土壤力学[14- - - - - -33]。在这些方法中,需要足够的准确的数据最初训练人工神经网络和进化多项式回归模型。在这方面,首先,基于非线性动态有限差分方法,桩筏基础模型与可用磁场成功开发和验证测试。基于CPRF参数研究一些几何参数和负载,一个全面的看到问题和强大的数据库已取得的准备和结果诱导定居点的静态和耦合动条件关于输入有关参数计算和聚集。然后,使用新的强大的预测方法,例如,进化神经网络建模和多项式回归建模,它一直试图呈现全面、快速和准确的模型预测CPRF定居点的静态和动荷载条件相结合。因此,作为论文的新颖性,新提出了神经网络和EPR模型建模清算的CPRF静态和耦合动加载条件。作为另一个论文的主要结果,最和最影响力的参数,分别应该越来越少关注动态CPRF建模,介绍了。

2。CPRF非线性有限差分模型

为了开发CPRF模型,采用FLAC 3 d软件和CPRFs定期3×3、4×4和5×5安排在静态建模和综合考虑条件。

为了实现一个全面的模型,三种不同的安排和拓扑结构考虑桩(桩附近模式N模式M调解成堆,远桩和模式F)。此外,4、5、6的比率 (间隔成堆成堆的直径)。而且,假设4 ( )条件(16、20、24、32)和两种不同的静态垂直压力状态(60和90 kPa)静态和动定居点计算相结合。

为了模型三维土和桩几何,8-node砖元素和6-node缸元素,分别使用。名称、形状和其他规范的使用网格形状呈现在图2。

也有一些成熟的本构模型介绍了FLAC建立在材料的行为。针对摩尔-库仑的模型应用其中,更简单的本构参数(针对描述),内摩擦角,凝聚力和扩张。因此,它是相当适用于模型周围的土壤的行为。同时,为了研究土壤和桩之间的相互作用,剪切和正常使用耦合弹簧。本文针对摩尔-库仑模型使用非联合型(屈服面呈现在图3),土壤非线性行为建模,而滑移和分离运动描述使用耦合弹簧。桩/电网接口的正常行为是由一个弹簧限制正常的力量,这是依赖成堆的节点运动的方向。此外,桩/网格界面的剪切行为表示为spring-slider系统建模成堆的节点。界面的剪切行为在桩之间的相对位移节点和网格数值达到通过调整适当的剪切和正常stiff-nesses。元素的接口和参数本构模型用于界面以及界面元素底部和侧面图4。

(一)

(b)

(c)

对桩筏基础的分析,土壤以及结构离散为元素。通常的做法是将土体划分为矩形区域的纵横比小于4:1。为该地区更大的利益,更好的使用离散化。软件内部优惠的每个矩形元素分为四个重叠的三角形元素。离散网格的极限应妥善计划以适应问题的几何。为了避免边界效应,网格应充分扩展超出了地区的兴趣。经验的研究人员作为准则来决定网格的程度。软件还允许分段离散化,这是更有效的比区大小的突然改变。在这方面,一个灵敏度分析网格的数量(网格细化)是获得适当的网格大小,进行元素的大小并没有什么实质性的改变结果的准确性。图5介绍了采用网格对桩帽和土壤和桩的长度在最佳细化网格视图中。一个典型形状的开发模型如图6附近的桩,元素比其他人更好的精确跟踪的敏感区域(高应力强度)。此外,为了忽略边界效应,横向边界的距离等于50从筏的边缘。此外,较低的边界之间的距离与桩的尖端被认为是3(桩的长度)。应该注意的是,土壤和桩之间的相互作用已经准确地考虑使用界面元素和34] 在哪里土壤的体积弹性模量,土壤的剪切模量,是邻居的最小宽度元素在界面,然后呢和分别存在剪切和正常界面节点刚度的元素。

2.1。动态分析

临界时间步长计算使用(34] 在哪里的速度是波,代表的是三角形的面积元素,是该地区的最大尺寸。的阻尼和刚度成正比,临界时间步长计算使用(36] 在哪里是系统和最高的频率代表了在这个频率和临界阻尼比计算使用(34] 在这些方程,和瑞利阻尼和角频率。

2.2。边界条件

安静的边界由Lysmer引入和Kuhlemeyer [34)用于在模型中忽略波反射的影响。在这些边界,正常和剪切安静紧张的建模使用34] 在哪里和分别是正常和剪切波速度边界的组成部分。比重和和代表和波的速度。同时,和分别显示正常和剪切安静的紧张局势。图7显示了刚性安静边界用于FLAC和灵活的床。

(一)

(b)

2.3。加载条件

如前所述,为了评估的影响耦合垂直静载荷和水平动态加载,60 - 90 kPa分别施加竖向荷载的结构和模型进行了分析。此外,动态加载使用水平应力波建模如图8。安静的边界被使用以来,加速度/速度时间历史不能施加边界模型。因此,基于(6)[34),波速度改变波的压力条件,如图8。在哪里和分别是正常和剪切波速度边界的组件。比重和和代表和波的速度。

3所示。数值模型的验证

为了进一步研究和调查的每一个角色的有关参数,以前有效的三维有限差分模型的程序(以前应用的论文的通讯作者)使用(6]。这个模型验证使用1 g物理模型试验中与土壤和致密砂桩几何图所示9。此外,采用网格以及物理模型的比较结果与数值模拟的结果也显示在图9。可以看到,有一个可接受的协议的结果三维非线性有限差分建模和1 g物理建模(6]。

(一)

(b)

(c)

4所示。参数研究有限差分模型

提到,一些几何参数和桩的影响上的加载静态和动结合CPRF定居点已经进行了研究。考虑三个桩模式(不同的配置),两个不同的桩直径,三个比率 ,四个比率和两个不同的静载荷状态,数据库与144静态数据系列和144年动态的实现。数据10和11显示静态的结果,结合动定居点为3×3 CPRF作为样本的结果。如图所示,F-architecture是最好的建筑,最低定居点的动静态和耦合模型中观察到的。此外,增加比率将导致增加计算定居点。然而,桩长度较大导致较小的诱导静态和耦合动定居点。合并后的影响和使用敏感性分析可以更好地跟踪。以下部分的灵敏度分析,显示增加的相对重要性和减少诱导减少的定居点。如图所示,比较的影响增加率,降低s / d比值在减少中扮演更重要的角色在这两种情况下的定居点。

此外,表1和2分别呈现参数研究的结果对整个影响参数静态加载条件和综合分析动载荷条件。


数量的桩	(m)			(kPa)	(厘米)
意思是:16.67	意思是:0.4	意思是:5	意思是:23	意思是:75	意思是:5.96
性病,Dev。: 6.57	性病,Dev。: 0.1	性病,Dev。: 0.82	性病,Dev。: 5.94	性病,Dev。: 15.05	性病,Dev。: 1.72

9	0.3	4	16	90年	8.32
9	0.3	4	20.	90年	7.23
9	0.3	4	24	90年	6.09
9	0.3	4	32	90年	5
9	0.3	5	16	90年	7.52
9	0.3	5	20.	90年	6.52
9	0.3	5	24	90年	5.25
9	0.3	5	32	90年	4.23
9	0.3	6	16	90年	7.12
9	0.3	6	20.	90年	6.11
9	0.3	6	24	90年	5.01
9	0.3	6	32	90年	4
9	0.3	4	16	60	5.83
9	0.3	4	20.	60	5.03
9	0.3	4	24	60	4.31
9	0.3	4	32	60	3.5
9	0.3	5	16	60	5.32
9	0.3	5	20.	60	4.66
9	0.3	5	24	60	3.71
9	0.3	5	32	60	2.961
9	0.3	6	16	60	5.02
9	0.3	6	20.	60	4.31
9	0.3	6	24	60	3.51
9	0.3	6	32	60	2.8
16	0.3	4	16	90年	9.152
16	0.3	4	20.	90年	7.953
16	0.3	4	24	90年	6.699
16	0.3	4	32	90年	5.5
16	0.3	5	16	90年	8.272
16	0.3	5	20.	90年	7.172
16	0.3	5	24	90年	5.775
16	0.3	5	32	90年	4.653
16	0.3	6	16	90年	7.832
16	0.3	6	20.	90年	6.72
16	0.3	6	24	90年	5.51
16	0.3	6	32	90年	4.4
16	0.3	4	16	60	6.864
16	0.3	4	20.	60	5.96475
16	0.3	4	24	60	5.02
16	0.3	4	32	60	4.125
16	0.3	5	16	60	6.204
16	0.3	5	20.	60	5.38
16	0.3	5	24	60	4.33
16	0.3	5	32	60	3.49
16	0.3	6	16	60	5.87
16	0.3	6	20.	60	5.04
16	0.3	6	24	60	4.13
16	0.3	6	32	60	3.3
25	0.3	4	16	90年	9.98
25	0.3	4	20.	90年	8.67
25	0.3	4	24	90年	7.3
25	0.3	4	32	90年	5.995
25	0.3	5	16	90年	9.02
25	0.3	5	20.	90年	7.82
25	0.3	5	24	90年	6.29
25	0.3	5	32	90年	5.07
25	0.3	6	16	90年	8.54
25	0.3	6	20.	90年	7.33
25	0.3	6	24	90年	6.01
25	0.3	6	32	90年	4.8
25	0.3	4	16	60	7.78
25	0.3	4	20.	60	6.76
25	0.3	4	24	60	5.7
25	0.3	4	32	60	4.68
25	0.3	5	16	60	7.03
25	0.3	5	20.	60	6.1
25	0.3	5	24	60	4.91
25	0.3	5	32	60	3.96
25	0.3	6	16	60	6.66
25	0.3	6	20.	60	5.71
25	0.3	6	24	60	4.69
25	0.3	6	32	60	3.74
9	0.5	4	16	90年	9.01
9	0.5	4	20.	90年	8.29
9	0.5	4	24	90年	6.72
9	0.5	4	32	90年	5.23
9	0.5	5	16	90年	8.11
9	0.5	5	20.	90年	7
9	0.5	5	24	90年	5.72
9	0.5	5	32	90年	4.75
9	0.5	6	16	90年	7.52
9	0.5	6	20.	90年	6.82
9	0.5	6	24	90年	5.56
9	0.5	6	32	90年	4.52
9	0.5	4	16	60	5.95
9	0.5	4	20.	60	5.47
9	0.5	4	24	60	4.44
9	0.5	4	32	60	3.45
9	0.5	5	16	60	5.35
9	0.5	5	20.	60	4.62
9	0.5	5	24	60	3.78
9	0.5	5	32	60	3.14
9	0.5	6	16	60	4.96
9	0.5	6	20.	60	4.5
9	0.5	6	24	60	3.67
9	0.5	6	32	60	2.98
16	0.5	4	16	90年	9.73
16	0.5	4	20.	90年	8.95
16	0.5	4	24	90年	7.26
16	0.5	4	32	90年	5.65
16	0.5	5	16	90年	8.76
16	0.5	5	20.	90年	7.56
16	0.5	5	24	90年	6.18
16	0.5	5	32	90年	5.13
16	0.5	6	16	90年	8.12
16	0.5	6	20.	90年	7.37
16	0.5	6	24	90年	6
16	0.5	6	32	90年	4.88
16	0.5	4	16	60	6.81
16	0.5	4	20.	60	6.27
16	0.5	4	24	60	5.08
16	0.5	4	32	60	3.95
16	0.5	5	16	60	6.13
16	0.5	5	20.	60	5.29
16	0.5	5	24	60	4.32
16	0.5	5	32	60	3.59
16	0.5	6	16	60	5.69
16	0.5	6	20.	60	5.16
16	0.5	6	24	60	4.2
16	0.5	6	32	60	3.42
25	0.5	4	16	90年	10.7
25	0.5	4	20.	90年	9.85
25	0.5	4	24	90年	7.98
25	0.5	4	32	90年	6.21
25	0.5	5	16	90年	9.63
25	0.5	5	20.	90年	8.32
25	0.5	5	24	90年	6.8
25	0.5	5	32	90年	5.64
25	0.5	6	16	90年	8.93
25	0.5	6	20.	90年	8.1
25	0.5	6	24	90年	6.61
25	0.5	6	32	90年	5.37
25	0.5	4	16	60	7.92
25	0.5	4	20.	60	7.29
25	0.5	4	24	60	5.91
25	0.5	4	32	60	4.6
25	0.5	5	16	60	7.13
25	0.5	5	20.	60	6.15
25	0.5	5	24	60	5.03
25	0.5	5	32	60	4.18
25	0.5	6	16	60	6.61
25	0.5	6	20.	60	6
25	0.5	6	24	60	4.89
25	0.5	6	32	60	3.97


数量的桩	(m)			(kPa)	(厘米)
意思是:16.67	意思是:0.4	意思是:5	意思是:23	意思是:75	意思是:6.67
性病,Dev。: 6.57	性病,Dev。: 0.1	性病,Dev。: 0.82	性病,Dev。: 5.94	性病,Dev。: 15.05	性病,Dev。: 2.21

9	0.3	4	16	90年	10.816
9	0.3	4	20.	90年	9.04
9	0.3	4	24	90年	6.94
9	0.3	4	32	90年	5.5
9	0.3	5	16	90年	9.1744
9	0.3	5	20.	90年	7.76
9	0.3	5	24	90年	5.78
9	0.3	5	32	90年	4.48
9	0.3	6	16	90年	8.4728
9	0.3	6	20.	90年	7.03
9	0.3	6	24	90年	5.41
9	0.3	6	32	90年	4.16
9	0.3	4	16	60	7.35
9	0.3	4	20.	60	6.04
9	0.3	4	24	60	4.78
9	0.3	4	32	60	3.68
9	0.3	5	16	60	6.33
9	0.3	5	20.	60	5.36
9	0.3	5	24	60	3.97
9	0.3	5	32	60	3.02
9	0.3	6	16	60	5.82
9	0.3	6	20.	60	4.83
9	0.3	6	24	60	3.65
9	0.3	6	32	60	2.83
16	0.3	4	16	90年	11.62
16	0.3	4	20.	90年	9.54
16	0.3	4	24	90年	7.37
16	0.3	4	32	90年	5.78
16	0.3	5	16	90年	9.93
16	0.3	5	20.	90年	8.32
16	0.3	5	24	90年	6.24
16	0.3	5	32	90年	4.79
16	0.3	6	16	90年	9.16
16	0.3	6	20.	90年	7.66
16	0.3	6	24	90年	5.62
16	0.3	6	32	90年	4.44
16	0.3	4	16	60	8.65
16	0.3	4	20.	60	7.16
16	0.3	4	24	60	5.58
16	0.3	4	32	60	4.33
16	0.3	5	16	60	7.38
16	0.3	5	20.	60	6.19
16	0.3	5	24	60	4.63
16	0.3	5	32	60	3.56
16	0.3	6	16	60	6.81
16	0.3	6	20.	60	5.65
16	0.3	6	24	60	4.3
16	0.3	6	32	60	3.33
25	0.3	4	16	90年	11.77
25	0.3	4	20.	90年	9.88
25	0.3	4	24	90年	8.03
25	0.3	4	32	90年	6.29
25	0.3	5	16	90年	10.37
25	0.3	5	20.	90年	8.68
25	0.3	5	24	90年	6.8
25	0.3	5	32	90年	5.22
25	0.3	6	16	90年	9.65
25	0.3	6	20.	90年	8.06
25	0.3	6	24	90年	6.13
25	0.3	6	32	90年	4.84
25	0.3	4	16	60	9.8
25	0.3	4	20.	60	7.91
25	0.3	4	24	60	6.38
25	0.3	4	32	60	4.91
25	0.3	5	16	60	8.37
25	0.3	5	20.	60	6.83
25	0.3	5	24	60	5.35
25	0.3	5	32	60	4.04
25	0.3	6	16	60	7.66
25	0.3	6	20.	60	6.29
25	0.3	6	24	60	4.87
25	0.3	6	32	60	3.78
9	0.5	4	16	90年	11.3526
9	0.5	4	20.	90年	9.7
9	0.5	4	24	90年	7.46
9	0.5	4	32	90年	5.65
9	0.5	5	16	90年	9.6509
9	0.5	5	20.	90年	7.98
9	0.5	5	24	90年	6.29
9	0.5	5	32	90年	4.85
9	0.5	6	16	90年	8.7232
9	0.5	6	20.	90年	7.5
9	0.5	6	24	90年	5.84
9	0.5	6	32	90年	4.57
9	0.5	4	16	60	7.2
9	0.5	4	20.	60	6.4
9	0.5	4	24	60	4.83
9	0.5	4	32	60	3.62
9	0.5	5	16	60	6.16
9	0.5	5	20.	60	5.17
9	0.5	5	24	60	3.96
9	0.5	5	32	60	3.2
9	0.5	6	16	60	5.71
9	0.5	6	20.	60	4.95
9	0.5	6	24	60	3.74
9	0.5	6	32	60	3.01
16	0.5	4	16	90年	11.87
16	0.5	4	20.	90年	10.56
16	0.5	4	24	90年	7.77
16	0.5	4	32	90年	5.93
16	0.5	5	16	90年	10.25
16	0.5	5	20.	90年	8.69
16	0.5	5	24	90年	6.42
16	0.5	5	32	90年	5.28
16	0.5	6	16	90年	9.42
16	0.5	6	20.	90年	8.25
16	0.5	6	24	90年	6.12
16	0.5	6	32	90年	4.93
16	0.5	4	16	60	8.24
16	0.5	4	20.	60	7.4
16	0.5	4	24	60	5.59
16	0.5	4	32	60	4.15
16	0.5	5	16	60	7.11
16	0.5	5	20.	60	5.93
16	0.5	5	24	60	4.54
16	0.5	5	32	60	3.66
16	0.5	6	16	60	6.54
16	0.5	6	20.	60	5.67
16	0.5	6	24	60	4.37
16	0.5	6	32	60	3.45
25	0.5	4	16	90年	12.31
25	0.5	4	20.	90年	10.83
25	0.5	4	24	90年	8.46
25	0.5	4	32	90年	6.34
25	0.5	5	16	90年	10.79
25	0.5	5	20.	90年	9.23
25	0.5	5	24	90年	7.14
25	0.5	5	32	90年	5.81
25	0.5	6	16	90年	10.01
25	0.5	6	20.	90年	8.59
25	0.5	6	24	90年	6.74
25	0.5	6	32	90年	5.42
25	0.5	4	16	60	9.58
25	0.5	4	20.	60	8.38
25	0.5	4	24	60	6.5
25	0.5	4	32	60	4.69
25	0.5	5	16	60	8.27
25	0.5	5	20.	60	6.77
25	0.5	5	24	60	5.33
25	0.5	5	32	60	4.26
25	0.5	6	16	60	7.47
25	0.5	6	20.	60	6.48
25	0.5	6	24	60	4.99
25	0.5	6	32	60	4.01

以下部分呈现参数研究在不同的有关参数(例如,桩的长度、直径、间距、体系结构和轴向加载)。在这方面,样本情况下,定居点CPRFs在耦合动负载的情况下,讨论了不同的参数。

4.1。影响桩的结构(模式)CPRF的定居点

调查的影响桩的布置和结构在静态和耦合动定居点,三种不同的模式被认为是,其中N、F和M符号站附近-,-,和中等距离的桩架构,分别。所述,0.3和0.5米桩的直径值用于计算诱导定居点。在本节中,不同桩的架构对耦合条件下0.5米直径桩的动定居点60 kPa静态轴向载荷评估。图12(一个)显示耦合动定居点的研究-CPRF N、F和M安排。此外,数据12 (b)和12 (c)分别提出相应的结果和CPRFs。应该注意的是,报告值解决每个CPRF以来平均桩端沉降的严格的行为假定桩帽。

(一)桩

(b)桩

(c)桩

如图所示,N-architecture CPRFs经验最大的定居点,而F-architecture显示更好的抵抗定居点。这是因为CPRF桩群的性能。事实上,在far-piles架构(F),减少桩的相对影响,每个桩的行为作为单桩和提高整个CPRF的阻力。然而,N-architecture,重叠的强调个人成堆的泡沫,整个CPRF的最大阻力对解决减少。

4.2。桩的长度CPRF的定居点

展示的影响桩的长度,因为样本结果,不同CPRFs如图的定居点13。数据(13日),13 (b),13 (c)分别描述了影响桩的长度耦合动定居点的研究,,60岁以下的CPRFs kPa静态0.5米直径桩的轴向载荷。

(一)桩

(b)桩

(c)桩

见过,为一个常数架构,提高桩的长度,减少耦合动定居点的价值。

4.3。影响轴向桩加载CPRF的定居点

在本节中,示例案例,定居点的架构CPRF(定径桩,= 0.5 m) 60 kPa和90 kPa静态轴向力受到水平动态负载评估。如图14,轴向力影响的价值诱导定居点。可以看出,增加静态轴向力,诱导定居点增长。

(一)= 60 kPa

(b) = 90 kPa

5。人工智能技术

5.1。人工神经网络

人工智能有不同的分支。在这些分支中,人工神经网络(ann)被称为黑盒,而进化的多项式回归(EPR)被称为灰箱方法。在人工神经网络中,一般来说,实验数据集被用来实现输入和输出参数之间的关系。在这种方法中,大量的数据库的需求以更少的投入来得到结果的误差(17- - - - - -22,37]。

输入和输出参数之间的关系是获得使用学习规则。尽管经典统计方法,神经网络不需要任何先前知识的质量和力学问题及其有关参数。最受欢迎的类型的神经网络多层感知器(MLP)网络,使用正确的定义形成的构造层次,隐层和输出层的输入,(23]。关于类型的问题的复杂性和非线性,中长期规划层定义的数量(24]。每一层的神经元,构造元素连接到其他层的神经元,但不能连接相同的神经元层。一层的神经元之间的关系下邻近层的神经元进行使用一些连接。分析信息将增加每个节点的分配重量,然后将转换使用激活函数(38]。在一个延时,如图15、独立的输入变量隐藏层神经元和连接可以预测多个输出变量的依赖基于网络的培训(通过检测输入和输出参数之间的相似之处和最小化预测错误)(25]。因此,架构网络的学习规则,和传递函数是关键参数,应正确定义构建一个适当的神经网络(35]。

5.1.1。神经网络训练

FFBP前馈反向传播,是最适用的算法训练神经网络用于广泛的工程应用[26]。在这个训练算法,首先在前进传球,假设一个主值神经元之间的连接,输出预测计算,然后计算错误。这个错误将backcalculated更新神经元的权重和获得准确的输出。第二个阶段称为反向传播阶段(27]。

为了使所有的输入和输出参数无量纲,(7)[28,29日使用和所有参数归一化到0 - 1。在这篇文章中,培训和交叉验证数据集是通过随机选择整个数据的85%。剩下的15%是测试数据系列。不同的传输功能,例如,TANSIG LOGSIG, PURELIN,可用作为传递函数在数学上表示,在空间或时间频率方面,输入和输出之间的关系。转移函数通常有一个s形的形状,但是他们也可能采取其他非线性函数的形式,分段线性函数,函数或步骤。因此,评估不同的转移函数的预测能力的耦合动CPRF的定居点,提到的传输函数是应用和TANSIG函数显示选择最佳性能建模的目的。图16显示了TANSIG传递函数。此外,(8)显示的公式用来计算TANSIG函数(39]。在哪里代表有关的加权和为每个输入参数(39]。

此外,underfitting和构建网络期间应该避免过度拟合。事实上,使用不正确的数量的解决方案时代导致这两个现象。过度拟合训练周期对应于太多的情况下,虽然underfitting宣称时代不足是用于训练网络30.]。

5.2。进化的多项式回归建模

进化的多项式回归(EPR)建模的优点同时使用数值回归分析和遗传编程。它应用最小二乘方法估计以前进化发展模型的常数(40]。一般的步骤应用于EPR描绘在图17。

在这种方法中,采用了函数的类型,数量指数条款的范围,和几代人的数量是影响输出的参数关系(31日]。除此之外,类似于神经网络建模,确定系数计算的精确度提出了方程。如果该模型满足终止条件(代和句子的最大数量)和需要的预测精度,它将终止。否则,它会通过另一个进化(32]。

6。结果

为了评估和比较发达的模型和技术,他们的表演在不同的各种条件进行了调查。

6.1。神经网络建模的静态和动荷载耦合诱导CPRF结算

但是。最好的神经网络的架构

另一个——和两层网络与不同的每个隐层神经元构建和训练。为了评估构造网络,根均方误差的值,均方根误差,确定系数,计算。构建模型,均方误差的值,均方根误差、平均绝对误差,同时,相关系数,计算和比较。应用公式计算RMSE提出了(29日] 在哪里和分别计算和预测输出。同时,是数据集的数量。

6.1.2。神经网络性能

评估性能的最优模型,静态的规范化的预测值和结合动定居点(用于测试数据系列)预计使用传统和基于遗传算法的神经网络。

(1)神经网络在静态加载情况下的性能。RMSE值和相关系数拟合线的斜率,为不同的网络架构,如表所示3不同的术语,数字,每个网络体系结构的代表其相应层的神经元数量。


网络体系结构	RMSE

5-5-1	0.2379	−0.025	0.153
5-10-1	0.2371	0.032	0.173
5-13-1	0.1275	0.024	0.131
5-3-12-1	0.1829	0.967	0.89
5-5-10-1	0.2075	−0.006	0.221

图18提出了相关预测定居点与计算值之间的最好的网络,5-3-12-1。

此外,预测和计算数据集在图所示19。

(2)性能的神经网络结合动加载情况。开发模型的评价结果提出了耦合分析动载荷情况下的表4。


网络体系结构	RMSE

5-5-1	0.2508	0.016	0.271
5-10-1	0.298	−0.016	0.251
5-13-1	0.2441	0.026	0.22
5-3-12-1	0.3391	−0.001	0.258
5-5-10-1	0.3115	−0.004	0.824
5-8-8-1	0.039	0.983	0.97

图20.提出了相关预测定居点与计算值之间的最好的网络,5-8-8-1。

此外,预测和计算数据集在图所示21。

6.2。EPR模型

利用EPR建模,不同的关系一直为静态和开发基于输入参数耦合动定居点。方程(10)显示静态沉降预测的最佳最佳关系和耦合分析动载荷条件下,分别。在哪里,,,,,,分别代表静态沉降耦合动,轴向静载荷、桩长、桩直径、间距、桩半径、桩的数量。同时,的双曲正割吗。

因为它是如图22和23的系数测定静态和动耦合模型提出了使用EPR可接受的值的97.49%和97.26%,分别,这意味着该模型能够预测清算的基础上,研究了输入参数。此外,RMSE值的静态和耦合动沉降模型是0.271和0.364,分别。

6.3。敏感性分析

关系的强度影响参数(成堆,半径的比率 ,比和轴向力)和值的定居点CPRF在静态和耦合动条件下可以使用敏感性分析发现基于余弦振幅法(凸轮)33]CPRF的动静态和耦合条件。

在这种方法中,目标参数和输入之间的关系的强度被发现使用[33,41]: 其中每个输入参数表示为一个的吗数组的元素所示33] 在它的每个元素是一个向量的长度吗并提出了33] 数据24和25显示输入参数之间的关系的强度和CPRF定居点在动-静态和耦合情况下,分别。可以看出,轴向载荷条件是最重要的参数。同时, 是最有效的参数静态和耦合动CPRF的定居点。除此之外,其他有关参数对定居点安静是相同的。

7所示。结论

了解桩筏定居点在静态和动荷载耦合条件下起着重要的作用在这些组合基础的初步设计阶段。关于全面高费用的模型试验和实验测试确定地震诱发定居点的桩筏基础和相结合,同时,关键需要相当快速和廉价的预测方法,神经网络建模的适用性研究和比较。此外,大量的计算时间,可以在商业有限元或有限差分软件动态复杂耗时的问题使问题。因此,快速、准确的工具预测这些值将大大帮助工程师促进设计过程。在这方面,高度受欢迎的预测工具,安,和EPR建模被认为是在静态和耦合预测定居点动静负荷条件。在这方面,动态非线性有限差分模型被用来准备所需的数据集。well-validating后使用数值程序和应用参数的一项研究中,一个数据库组成的144数据集。使用数据库开发,不同的网络和多项式回归模型,可以有效地用来预测定居点的值的情况下也有类似的可用的输入参数。此外,利用灵敏度分析,最和最有效的参数对静态和耦合动定居点已经确定。根据获得的结果,可以得出以下:(我)介绍了神经网络作为预测能力的有效工具静态和耦合动CPRFs的定居点。(2)最好的神经网络在静态情况下神经网络是5-3-12-1 FFBP均方根误差为0.1829,是0.967,0.89。(3)在耦合分析动载荷的情况下,网络的体系结构5-8-8-1,RMSE 0.039,是0.97,0.983是最好的获得神经网络。(iv)基于EPR建模,一个新的关系确定系数的97.49%和RMSE 0.271和0.975线的斜率预测相结合的静态协议提出了桩筏基础。(v)一个新的关系确定系数的97.26%和RMSE 0.137和0.973线的斜率预测相结合的耦合动定居点提出了桩筏基础。(vi)灵敏度分析强调,轴向载荷中扮演一个重要的角色在计算静态/耦合动定居点和忽视其影响将导致重大错误计算。它也是显示的效果在定居点小于其他有关参数。基于结果,一些有效的和高度能够预测静态和耦合动清算工具CPRFs建议,可以成功地用于预测的值定居点CPRF的初步步骤的设计。

的利益冲突

作者宣称没有利益冲突。

引用

r·w·库克“桩筏基础硬粘土-设计哲学的贡献,”岩土工程,36卷,不。2、169 - 203年,1986页。视图:出版商的网站|谷歌学术搜索
j·b·Burland“桩作为解决减速器,”18日意大利国会对土壤机械工程学报》上,1995年帕维亚。视图:谷歌学术搜索
h . g . Poulos”:桩筏基础设计和应用程序”,岩土工程,51卷,不。2、111 - 113年,2001页。视图:出版商的网站|谷歌学术搜索
r . Katzenbach诉亚斯兰,c·摩尔人,“数字刺激组合为新的高层建筑桩筏基础。在法兰克福马克斯,”第二届国际会议在城市土木工程土壤结构相互作用瑞士苏黎世ETH, 2000年3月。视图:谷歌学术搜索
诉Balakumar和k . Ilamparuthi性能监视十二桩筏基础的楼房和分析验证,”印度岩土工程杂志,37卷,不。2、94 - 115年,2007页。视图:谷歌学术搜索
m·h·Baziar a Ghorbani, r . Katzenbach“小规模模型试验和三维分析的桩筏基础medium-dense沙子,“国际土木工程杂志》上,7卷,不。3、170 - 175年,2009页。视图:谷歌学术搜索
k . Horikoshi桩筏基础的优化设计。论文的哲学博士学位(论文、论文),西澳大利亚大学,1995。
诉Balakumar、诉Kalaiarasi和k . Ilamparuthi”实验和分析研究圆形桩筏在沙地上的行为,”学报》第16届国际土力学与岩土工程会议,大阪,日本,2005年。视图:谷歌学术搜索
r·萨哈s c·杜塔,s . Haldar”地震响应的soil-pile筏体结构系统,”土木工程和管理杂志》上,21卷,不。2、144 - 164年,2015页。视图:出版商的网站|谷歌学术搜索
h . j . x Lai问:刘,j·l·邱和j·陈,“结算分析饱和尾矿坝采用CFG桩复合地基,”材料科学与工程的发展卷,2016篇文章ID 7383762, 10页,2016。视图:出版商的网站|谷歌学术搜索
a·库马尔·d·Choudhury, r . Katzenbach“地震对组合桩筏基础的影响,”国际地质力学杂志,16卷,不。5、文章ID 04016013, 2016。视图:出版商的网站|谷歌学术搜索
h . g . Polous“迪拜塔的桩筏基础”,设计和性能,2008年。视图:谷歌学术搜索
k .山下式j .岩漠、t . Tanikawa“实地测量与grid-form深层搅拌桩筏墙壁软地面上,“Geaotechnical Engineering-SEAGS,42卷,不。2、2010。视图:谷歌学术搜索
d . j . Armaghani r·s·n·s . b . r .舒尔布k . Faizi和a . s . a·拉希德”发展混合PSO-ANN模型估算,对嵌岩桩的极限承载力,”神经计算和应用,28卷,不。2、391 - 405年,2017页。视图:出版商的网站|谷歌学术搜索
m·h·Baziar a s Azizkandi, a . Kashkooli”预测桩解决基于针入度试验结果:一个ann方法”KSCE土木工程杂志》上,19卷,不。1,第106 - 98页,2014。视图:出版商的网站|谷歌学术搜索
A Ghorbani和h . Hasanzadehshooiili”,一个新颖的解决方案为地面反应曲线隧道弹塑性应变软化岩石质量,”土木工程和管理杂志》上,23卷,不。6,773 - 786年,2017页。视图:出版商的网站|谷歌学术搜索
r·A·A . Heshmati A . h . Alavi m . Keramati和A . h . Gandomi“径向基函数神经网络的方法对固化土抗压强度预测,“GeoHunan国际会议,第153 - 147页,2009年。视图:出版商的网站|谷歌学术搜索
Dikmen和m .桑麦资”的人工神经网络模型评估模板的劳动,“土木工程和管理杂志》上,17卷,不。3、340 - 347年,2011页。视图:出版商的网站|谷歌学术搜索
a . Ghorbani y Jafarian, m . s . Maghsoudi”估算土壤剪切波速存款使用多项式神经网络:应用液化,”电脑和地球科学,44卷,第94 - 86页,2012年。视图:出版商的网站|谷歌学术搜索
Ł。Sadowski和m . Nikoo”钢筋混凝土的腐蚀电流密度预测帝国主义竞争算法,”神经计算和应用,25卷,不。7 - 8,1627 - 1638年,2014页。视图:出版商的网站|谷歌学术搜索
Ł。Sadowski, j . Hoła和美国Czarnecki无损神经识别混凝土层之间的债券在现有元素,”建筑和建筑材料卷。127年,49-58,2016页。视图:出版商的网站|谷歌学术搜索
Ł。Sadowski”无损鉴定扯下混凝土层之间的附着力,”自动化建设57卷,第155 - 146页,2015年。视图:出版商的网站|谷歌学术搜索
m . h . Baziar和a . Ghorbani”,使用人工神经网络评价的横向传播,”土动力学和地震工程,25卷,不。1、1 - 9,2005页。视图:出版商的网站|谷歌学术搜索
s . s . h . Yasrebi和m . Emami”,应用人工神经网络(ann)在预测和压力表检测结果的解释,”第12届国际会议的国际协会进行计算机方法和地质力学的进步(IACMAG ' 08)2008年,印度果阿。视图:谷歌学术搜索
m . Monjezi a巴拉米,a Yazdian Varjani,”同时预测的碎片和flyrock爆破作业使用人工神经网络,”国际岩石力学和采矿科学杂志》上卷,47号3、476 - 480年,2010页。视图:出版商的网站|谷歌学术搜索
k . m . Neaupane和n . r . Adhikari”预测tunneling-induced地面运动与多层感知器,”隧道与地下空间技术,21卷,不。2、151 - 159年,2006页。视图:出版商的网站|谷歌学术搜索
y杨和m . s . Rosenbaum”,人工神经网络作为一种工具来评估岩土性质,“岩土工程和地质工程,20卷,不。2、149 - 168年,2002页。视图:出版商的网站|谷歌学术搜索
h . Hasanzadehshooiili a Lakirouhani, j . Medzvieckas”优势的人工神经网络在预测最优长度的统计方法的岩石螺栓、”土木工程和管理杂志》上,18卷,不。5,655 - 661年,2012页。视图:出版商的网站|谷歌学术搜索
h . Hasanzadehshooiili r . Mahinroosta a . Lakirouhani诉Oshtaghi,“利用人工神经网络(ANN)在预测砂碎石的崩溃的定居点,”阿拉伯地球科学杂志》,7卷,不。6,2303 - 2314年,2014页。视图:出版商的网站|谷歌学术搜索
f . Meulenkamp和m . a .会应用神经网络预测的无侧限抗压强度从Equotip硬度、”国际岩石力学和采矿科学杂志》上,36卷,不。1,29-39,1999页。视图:出版商的网站|谷歌学术搜索
m . Rezania a . a . Javadi o . Giustolisi,“一种基于进化论的数据挖掘技术对于土木工程的评估系统,”工程计算,25卷,不。6,500 - 517年,2008页。视图:出版商的网站|谷歌学术搜索
a . Ahangar-Asr Faramarzi因绝食抗议多日,n . Mottaghifard, a . a . Javadi”渗透率和压实特性的建模使用进化多项式回归土壤,“电脑和地球科学,37卷,不。11日,第1869 - 1860页,2011年。视图:出版商的网站|谷歌学术搜索
a . Ghorbani h . Hasanzadehshooiili大肠Ghamari, j . Medzvieckas”全面的三维有限元分析,参数的抗震性能研究和敏感性分析soil-micropile-superstructure互动,”土动力学和地震工程卷,58 21-36,2014页。视图:出版商的网站|谷歌学术搜索
应用FLAC3D,连续的三维快速拉格朗日分析,3.1版。伊:明尼阿波利斯。伊塔咨询集团有限公司
p . k .辛普森人工神经系统:基础、模式、应用和实现,帕加马出版社,纽约,1990年。
t . Belytschko“半离散化的概述和时间集成过程,”瞬态分析计算方法。计算方法在力学系列。1。北、t . Belytschko和t·j·r·休斯。美国纽约,1983年。视图:谷歌学术搜索
K.-I。Funahashi”近似实现连续映射的神经网络,”神经网络,卷2,不。3、183 - 192年,1989页。视图:出版商的网站|谷歌学术搜索
w . s . Sarle“神经网络和统计模型,”继续ofof十九年SAS用户组国际会议,1994年。视图:谷歌学术搜索
h·德穆斯,m .比尔和m·哈根神经网络工具箱5用户指南。数学的工作,1996年。
o . Giustolisi和d·A·萨维奇,”一个象征性的数据驱动技术,基于进化的多项式回归,”Hydroinformatics杂志,8卷,不。3、207 - 222年,2006页。视图:谷歌学术搜索
a . Ghorbani h . Hasanzadehshooiili aŠapalas, a . Lakirouhani“屈曲钢衬层的地下道路结构:几何参数的灵敏度分析,“波罗的海的道路和桥梁工程》杂志上,8卷,不。4、250 - 254年,2013页。视图:出版商的网站|谷歌学术搜索

应用计算智能和软计算

评价诱导定居点的桩筏耦合使用神经网络和进化多项式回归分析动载荷

文摘

1。介绍

2。CPRF非线性有限差分模型

2.1。动态分析

2.2。边界条件

2.3。加载条件

3所示。数值模型的验证

4所示。参数研究有限差分模型

4.1。影响桩的结构(模式)CPRF的定居点

4.2。桩的长度CPRF的定居点

4.3。影响轴向桩加载CPRF的定居点

5。人工智能技术

5.1。人工神经网络

5.1.1。神经网络训练

5.2。进化的多项式回归建模

6。结果

6.1。神经网络建模的静态和动荷载耦合诱导CPRF结算

但是。最好的神经网络的架构

6.1.2。神经网络性能

6.2。EPR模型

6.3。敏感性分析

7所示。结论

的利益冲突

引用

版权

更多相关文章

相关文章