基于人工神经网络的机场土面区压实度预测

为提高机场土面区安全动态预测及保障能力,结合某机场为期6 a的土面区安全评估数据,建立基于人工神经网络(artificial neural network,ANN)的压实度预测模型.选取天然密度(natural density,ND)、实测含水率(actual water content,AW)、最优含水率(optimal water content,OW)、降水状况(rainfall condition,RC)和压实状况(compaction condition,CC)作为输入向量,以双曲正切S型传输函数作为传递函数,利用400组实测数据完成模型训练后,用随机抽取的100组测试数据对模型进行精确校验,通过纳什效率系数(Nash-Sutcliffe efficiency coefficient,NSE)分析ANN模型的预测能力,并进行工程应用验证.结果表明,充分训练后ANN模型的均方差为0.98,NSE计算值为0.89,可有效预测土面区压实度.机场对比试验结果表明,大部分测区预测误差在±5%之内,仅有1个样本误差为15%,NSE计算值为0.86,达到了工程应用精度.采用影响因素分析法优化ANN模型发现,ND和AW是影响压实度最重要的因素,管理部门可通过严格控制回填土级配和加强排水措施有效改善土面区安全性.

上一篇：岩土工程勘察中的常见问题及其解决措施
下一篇：没有了