边坡稳定性预测的模糊神经网络模型

根据边坡稳定问题具有的模糊性,提出了一种判定边坡稳定性的模糊神经网络模型。该系统仅从期望输入输出数据集即可达到获取知识、确定模糊初始规则基的目的。再利用神经网络学习能力便不难修改规则库中的模糊规则以及隶属函数和网络权值等参数,这样大大减少了规则匹配过程,加快了推理速度,从而极大程度地提高了系统的自适应能力。最后用收集到的边坡数据样本训练和测试模糊神经网络模型,结果表明该模糊神经网络预测边坡稳定性是可行的、有效的。     

基于遗传神经网络的锚杆极限承载力预测的研究

针对BP人工神经网络具有易陷入局部极小等缺陷,提出了将遗传算法与神经网络结合,同时优化网络结构的权值与阈值的思想,建立了基于遗传算法的锚杆极限承载力预测的遗传神经网络模型。该模型以低应变动测的5个变量作为输入变量来对锚杆极限承载力进行预测,并与BP神经网络预测结果进行比较。数值算例表明,遗传神经网络在锚杆极限承载力预测中具有较高的计算效率和识别精度。     

弹性波CT技术在码头加固效果检测中的应用

青岛港是我国北方一个很重要的港口码头,但由于年久失修,码头的使用出现安全隐患。经多种修补方案比较,最终采用垂直注浆加固方案。为了检测码头高压注浆加固处理效果,采用弹性波CT方法并结合岩芯波速测试及强度试验对其进行检测。本文简要叙述了弹性波CT法的原理与测试方法,探讨了该法在灌浆效果检测中的应用。试验证实,弹性波CT技术在探测水下高压注浆效果检测方面有其独特的效果。