陈志强，王亮清，刘顺昌，丰光亮

（中国地质大学工程学院，武汉 430074）

基于改进RBF神经网络的最大动剪切模量确定

陈志强，王亮清，刘顺昌，丰光亮

（中国地质大学工程学院，武汉 430074）

采用径向基函数（RBF）神经网络的手段，直接建立最大动剪切模量Gmax与孔隙比e、围压σ3、固结比kc这3个影响因素的非线性关系，避开了寻找Gmax与各影响因素之间定量经验公式的繁琐工作。通过模式搜索法计算出径向基函数的扩展速度的最优值，使模型的预测误差最小。以福建标准砂为例，模式搜索法得出的扩展速度SPREAD最优值为2.287，RBF网络预测的Gmax平均相对误差为0.931 6%，误差很小，说明RBF神经网络能方便、有效地确定不同条件下的Gmax，具有一定的推广利用价值。除了对Gmax能够很好地预测外，RBF网络对G-γ关系曲线也能很好地模拟。关 键 词：径向基神经网络；最大动剪切模量；Hardin公式；模式搜索法

1 概 述

土的动剪切模量是土体动力学特性的最重要参数之一［1－3］，同时也是土动力计算和场地地震安全性评价中不可或缺的内容。动剪切模量主要通过试验获得，通常分为现场测试和实验室测试2种，两者各有所长。对于土的非线性的情况，目前主要仍由室内试验测定［4］。确定动力学参数的仪器主要有：共振柱仪、扭剪仪、剪切仪、动三轴仪等。其中共振柱仪可直接测定在小应变范围内的动剪切模量，应用较普遍。

以式（1）双曲线模型对动剪切模量试验数据进行最小二乘法回归分析得到参数a和b。

则最大动剪切模量

式中：G为动剪切模量；……