本文關(guān)鍵詞：基于人工智能方法加筋土本構(gòu)模型，由筆耕文化傳播整理發(fā)布。

[碩士]基于人工智能方法加筋土本構(gòu)模型
　　學(xué)科專業(yè)： 巖土工程
　　授予學(xué)位： 碩士
　　學(xué)位授予單位：湖南大學(xué)
　　學(xué)位年度：2009
　　加筋土作為一種新型的土工結(jié)構(gòu)物，具有施工簡易、造價低廉、穩(wěn)定性好的優(yōu)點(diǎn)，為土木工程師提供了多方面經(jīng)濟(jì)適用的手段。加筋土技術(shù)已大量廣泛地應(yīng)用于水利、公路、鐵路、港口和建筑等部門的加筋支擋結(jié)構(gòu)、加筋土坡和軟土地基加筋。隨著土工合成料在現(xiàn)代巖土工程中的應(yīng)用，加筋土技術(shù)的應(yīng)用更加廣泛。因此，對加筋土的理論研究也就更加必要。
　　由于在土中加入了筋材，土的特性發(fā)生改變，加筋土的本構(gòu)模型難以用先前研究素土得到的本構(gòu)模型來解釋，本文基于人工智能方法利用草根加筋土三軸實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練智能網(wǎng)絡(luò)，自動生成網(wǎng)絡(luò)參數(shù)，得到了加筋土BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，RBF神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，ANFIS本構(gòu)模型，避免了數(shù)學(xué)建模確定函數(shù)參數(shù)的困難。主要成果和結(jié)論有：
　　(1)建立了草根加筋土BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，模型訓(xùn)練誤差與檢驗(yàn)誤差均很小，在訓(xùn)練和檢驗(yàn)過程中模型擬合曲線與試驗(yàn)曲線均很吻合，并用模型擬合結(jié)果修正了由試驗(yàn)誤差引起的最大主應(yīng)力與草根含量關(guān)系曲線的突變點(diǎn)，表明網(wǎng)絡(luò)具有良好的容錯能力和較高的精度，可以用做草根加筋土的本構(gòu)模型。模型擬合得到的不同草根含量的加筋土應(yīng)力應(yīng)變預(yù)測曲線也滿足最大主應(yīng)力與草根含量關(guān)系曲線，此模型具有良好的泛發(fā)推
　　廣能力。
　　(2)建立了草根加筋士RBF神經(jīng)網(wǎng)絡(luò)本構(gòu)模型，并討論了訓(xùn)練樣本規(guī)模和誤差控制對網(wǎng)絡(luò)精度的影響。訓(xùn)練樣本規(guī)模越大，網(wǎng)絡(luò)對數(shù)據(jù)內(nèi)在規(guī)律的學(xué)習(xí)也越好。訓(xùn)練誤差過小可能出現(xiàn)過擬合，導(dǎo)致網(wǎng)絡(luò)的容錯能力下降，，誤差過大又可能導(dǎo)致網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)內(nèi)在規(guī)律學(xué)習(xí)不夠。
　　(3)建立了草根加筋上ANFIS本構(gòu)模型，模型擬合得到的不同草根含量的加筋土應(yīng)力應(yīng)變預(yù)測曲線光滑，且滿足最大主應(yīng)力與爭根含量關(guān)系曲線，此模型具有良好的泛發(fā)推廣能力。
　　(4)對比三種糟能網(wǎng)絡(luò)本構(gòu)模型擬合得到的預(yù)測結(jié)果，表明ANFIS模型具有更好的擬合精度、容錯能力和泛發(fā)能力，說Ⅲj ANFIS強(qiáng)大的推理能力能更好的提取加筋土內(nèi)在規(guī)律。
　　

  本文關(guān)鍵詞：基于人工智能方法加筋土本構(gòu)模型，由筆耕文化傳播整理發(fā)布。