基于自组织特征映射网络的嵌岩桩承载力极限值估计.docxVIP

基于自组织特征映射网络的嵌岩桩承载力极限值估计 1 嵌岩桩嵌岩段特性分析 随着高层建筑的发展，嵌入桩的使用也越来越普遍，这是目前桩基理论研究的热点之一。嵌入孔的特性与其他桩基的特性之间的根本差异来自嵌入式孔的不同特性。因此，对嵌入孔内孔的特征的研究已成为嵌入式孔内孔特征研究的中心主题。在这项工作中，作者对这一问题进行了进一步的研究，并在神经网络模型中建立了嵌入孔内孔的边界荷载计算。 本文在此基础上又提出了用自组织特征映射网络来分析问题的特征参数的方法, 其分析结果与工程实践结果相一致; 对影响嵌岩桩嵌岩段极限承载力的参数进行分析, 从而得到了一些有益的结果。 2 自组织特征映射网络对嵌岩桩分类特性的启示 在文中, 确定了嵌岩桩嵌岩段承载力极限值估计的BP网络模型, 其中输入参数为5个, 输出参数为1个。 这5个输入参数是桩径、 桩长、 嵌岩深度、 岩石强度及岩石风化程度; 而这5个特征量对嵌岩桩嵌岩段极限承载力的影响程度的次序如何也是分析嵌岩桩特性的一个重要任务, 为此采用自组织特征映射网络来进行分析。 该网络是Kohonen于1981年提出的, 它用作自联想最邻近分类器, 能将任意连续值模式Ak=(a1,a2, …,an)(k=1, 2, …,n)分成P个类。 该网络用竞争学习规则离线学习, 按离散时间方式学习。 该网络为两层结构, 其中La层的n个单元对应于A的n个分量,Lb