APP下载

应用GA-BP神经网络预估砾类土的最大干密度

2019-04-24饶云康许文年

长江科学院院报 2019年4期
关键词:模型

饶云康,丁 瑜,2,3,许文年,2,3,张 亮,张 恒,潘 波

(1.三峡大学三峡库区地质灾害教育部重点实验室,湖北宜昌 443002;2.三峡大学防灾减灾湖北省重点实验室,湖北宜昌 443002;3.三峡地区地质灾害与生态环境湖北省协同创新中心,湖北宜昌 443002)

1 研究背景

根据规范[1],粗粒土分类中,砾粒组(粒径在2~60 mm之间)含量大于砂粒组(粒径在0.075~2 mm之间)含量的土称为砾类土。砾类土广泛用于各类工程填筑,其变形、强度、渗透等特性与压实程度密切相关。实际工程中,砾类土的最大干密度是评价填料压实性能、控制填筑工程质量的重要参数[2]。

砾类土最大干密度与颗粒级配、土粒相对密度等有关。砾类土土粒的相对密度虽略有差异,但变化幅度很小。土粒相对密度不是影响最大干密度的主要因素。土体因颗粒级配不同,将形成不同的机械填充,因而颗粒级配决定了土体的最大压实程度。因此,颗粒级配通常被认为是控制砾类土最大干密度的关键因素[3-4]。

对于级配特征与最大干密度之间的关系,一些学者进行了有益探讨。冯瑞玲等[3]通过分析8组粗粒土试验数据,建立了最大干密度与5个特征粒径(d10,d30,d50,d60,d90)之间的回归方程(dm为累计质量含量为m%对应的颗粒直径);朱俊高等[5]提出了由不均匀系数Cu、曲率系数Cc和最大粒径d100组成的级配参数λ,通过分析拟合19组砾类土试验数据,建立了最大干密度与级配参数λ之间的4次多项式关系;左永振等[6]在朱俊高等[5]研究的基础上提出了由Cu、Cc、<5 mm粒组含量和d100组成的级配参数λ′,通过分析拟合15组砾类土试验数据,建立了最大干密度与级配参数λ′之间的3次多项式关系。……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用