砂土反覆ko压缩试验及其行上为模拟.docVIP

砂土反覆Ko壓縮試驗及其行為模擬 楊朝平 中華大學土木工程學系副教授 摘 要 本文應用倒傳遞類神經網路(BPN)來模擬飽和砂土的壓縮行為，此法截然不同於傳統的組成律。BPN為監督式學習網路，可從問題領域的輸入變數值與輸出變數值中學習兩者間的內在映射規則，以應用於新的案例而達模擬預測之效果。模擬資料為渥太華砂的反覆壓縮試驗結果，此試驗乃是以自行研發之自動化三軸試驗系統施行之。研究結果發現，BPN可適用於土壤承受加壓、解壓、再加壓之複雜應力歷史的應力、應變行為模擬。 關鍵詞：類神經網路、模擬、砂土、壓縮行為。 Repeated Ko Compression Tests on Sand and Behavior Modeling Chau-Ping Yang Department of Civil Engineering Chuag-Hau University, Hsinchu, Taiwan, 30067, R.O.C. ABSTRACT In this study, an attempt has been made to implement back propagation network (BPN) for modeling the compression behavior of a saturated sand. In the implementation of BPN, data are categorized as input patterns and target patterns. The input patterns are fed to the network, which then performs feed-forward computations to calculate target patterns. A mapping between input patterns and target patterns can be achieved through internal learning algorithms of BPN, resulting in a network capable of simulating the target patterns for a given input patterns. The simulating data are acquired from the repeated compression tests of saturated Ottawa sand performed by automatic triaxial test system, which was developed by author. The work presented in this paper demonstrates the simulating results agree with measured data. Key Words. artificial neural network, modeling, sand, compression behavior. 一、前言 攔砂壩、擋土牆等水土保持構造物的設計程序是，先估算側向土壓力後再施行總體穩定性檢核。為了估算側向土壓力需知曉土壓係數，惟土壓係數依存於土類、土體狀態、應力歷史等因素，變異性大。另一方面，對構造物的總體穩定性檢核除應含抗傾倒、抗滑動及支承力破壞外，尚需考慮其沉陷問題，此沉陷含瞬時沉陷與壓密沉陷二項，欲估算瞬時沉陷量需使用楊氏模數，而於估算壓密沉陷量上壓縮指數或回脹指數是不可或缺的。於土壤力學領域，吾人可藉由土壤的反覆壓縮試驗，來重現半無限地盤土壤受荷時的無側向應變側束變形條件，以求得靜止土壓係數、壓縮指數、回脹指數等物理量。 由上述吾人知曉，為提昇水土保持擋土構造物的設計品質，觀察土壤的反覆壓縮行為實屬必要。一個高品質的擋土構造物設計，往往在規劃、設計階段會被要求以理論或數值解析來預測構造物行為，此時表現土壤應力、應變行為的模式或方法將扮演一重要的角色。表現土壤應力、應變行為的傳統模式為組成律，是一具多樣假設條件的數學模式，其建構程序含簡單化假設、使用破壞基準、數學演算、參數求得等項。經前人戮力的研究組成律雖已臻成熟，惟具正確參數求得不易、數學演算生澀難懂、假設過度簡單化等性質。有鑑於此，本研究嚐試使用另類的方法，即以倒傳遞類神經網路(Back Propagation Network, BPN)，來模擬飽和渥太華砂在承受加壓、解壓、再加壓時的反覆壓縮行為。BPN為監督式學習網路，可從問題領域的輸入變數值與輸出變數值中學習兩者間的內在映射規則，以應用於新的案例而達模擬預測之效果。 為因應擋土構造物的設計