版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、天津大學(xué)碩士學(xué)位論文單樁荷載沉降性狀的神經(jīng)網(wǎng)絡(luò)與灰色模型預(yù)測研究姓名:李武君申請學(xué)位級別:碩士專業(yè):結(jié)構(gòu)工程指導(dǎo)教師:王成華2000.1.1AbstractInthispapertheproblemofthepredictionoftheloadVSsettlementbehaviorofsinglepilesWaSstudied、vithartificialneuralnetworksforthefirsttimeandwitllgr
2、eymodelsaSwellFirstlyAmodifieddoubleparallelfeedforwardneuralnetworkDPFNNWaSsetupbasedontheerrorbackpropagationalgorithmTherearetwosubnetworkstothenetworkDPn州ThefirstnetworkDPFNNl‘withinwhichthepropertyindexesofsurroundi
3、ngandgeometryofpilesarechosenaSfactorsoftheinputneuronsisthe”predictionoftheultimatebearingcapacityanditscorrespondingsettlementofsinglepiles,whilethesecondnetworkDPFNN2yieldstheentirepredictedloadsettlementcurvesbasedon
4、bomtheinputsandtheoutputsofthefirstnetworkFromagroupdataofstaticloadingtestontotally29drilledpiles,asubsetofthedataof22pileswasselectedaslearningsamplestoaccomplishthetrainingprocessoftheneuralnetworksAsubsetofthedataoft
5、heother7pilesWaSusedforrealpredictionworkswhichgavesatisfacterableresultsSecondly,asforthepilesthatWasnotloadeduptofailurestate,thesecondhalfload—settlementcurve,whichcouldbeunavailableinpracticalmeasurementation,WaSalso
6、predictedwithagreymodelGM(1,1)developedinthispaperForbothprogressivefailureandquickfailurecaSes,multipleaspectsofinvestigationweremadeintothepredictionoftheloadVSsettlementbehaviorofthesepilesVerygoodprecisionWasachieved
7、inthepredictionfortheprogressivefailurecaSes,whilerelativelylowaccuracycouldheexpectedforthequickfailurecases,buttheprecisionofthepredictioncanbeimprovedbyusingsomemodificationtechniquessuggestedbytheauthorFinallythemeri
8、tsanddismerits,serviceconditionsandeffectsofthepredictionsofneuralnetworksandgreymodelswerecomparedanddiscussed,thensomevaluableconclusionsweremadewithregardtopracticalapplicationsofthesemethodsKeywords:loadsettlementCBI
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 單樁荷載沉降性狀的神經(jīng)網(wǎng)絡(luò)與灰色模型預(yù)測研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測模型研究.pdf
- 灰色神經(jīng)網(wǎng)絡(luò)預(yù)測模型的優(yōu)化研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的灰色預(yù)測模型.pdf
- 灰色神經(jīng)網(wǎng)絡(luò)與支持向量機預(yù)測模型研究.pdf
- 基于多維灰色模型與神經(jīng)網(wǎng)絡(luò)的銷售預(yù)測模型研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的審計意見預(yù)測模型研究.pdf
- 基于灰色RBF神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐終點預(yù)測模型研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的流量預(yù)測與評估方法研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)流量預(yù)測算法研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的變形預(yù)測模型應(yīng)用研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的單樁豎向承載力預(yù)測
- 錘擊樁單樁極限承載力的神經(jīng)網(wǎng)絡(luò)預(yù)測研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)模型的煤炭物流需求預(yù)測研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的VOD終點碳溫預(yù)測模型研究.pdf
- 基于灰色理論與神經(jīng)網(wǎng)絡(luò)的交通量組合預(yù)測模型研究.pdf
- 基于Kalman濾波的灰色BP神經(jīng)網(wǎng)絡(luò)變形分析與預(yù)測模型研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的煤礦瓦斯涌出量預(yù)測模型研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)和灰色模型的稅務(wù)收入預(yù)測研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的單樁豎向承載力預(yù)測.pdf
評論
0/150
提交評論