【摘要】：地基沉降受多种因素的影响和制约，其变化的自然规律很难用一个显式的数学公式予以表示。而人工神经网络是这一领域的一个突破，该方法视传统函数的自变量和因变量为输入和输出，将传统的函数关系转化为高维的非线性映射，而不是显式的数学表达式。该方法在处理非线性问题上，具有独特的优越性。在针对软土地基沉降预测时，就是利用实测资料对复杂的非线性的土工结构进行直接建模。
1.7 人工神经网络法
地基沉降受多种因素的影响和制约，其变化的自然规律很难用一个显式的数学公式予以表示。而人工神经网络是这一领域的一个突破，该方法视传统函数的自变量和因变量为输入和输出，将传统的函数关系转化为高维的非线性映射，而不是显式的数学表达式。该方法在处理非线性问题上，具有独特的优越性。在针对软土地基沉降预测时，就是利用实测资料对复杂的非线性的土工结构进行直接建模。具体做法是：先应用ANN建立沉降影响因素参数（如处理方式、软土层厚度、地基硬壳层厚度、软土的压缩模量、硬壳层的压缩模量、路堤宽高比、施工期和竣工时沉降量）与沉降之间的非线性关系，再将待测点的实测沉降影响因素参数输入到已训练好的网络中，即可得到预测的沉降量。
刘勇健［16］和林代锐等［17］曾采用传统的三层BP网络模型对此作过研究，二者具体实施方法尽管不太相同，但均取得了较满意的结果。但是该法对多级荷载下的路堤沉降预测，特别是沉降－时间曲线上有明显“台阶现象”的情形，适用性较差。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
