AFSs-RBF神经网络在轻亚黏土地震液化识别中的应用与性能

本文主要探讨了AFSs-RBF神经网络模型在轻亚黏土地震液化判别中的应用。AFSs（自适应模糊系统）结合径向基高斯函数(RBF)的优势在于其既能保留模糊系统的推理功能，又具有自适应性，能够动态调整隐节点数（模糊规则数），这使得该模型在处理复杂问题时展现出广泛的适应性和灵活性。 轻亚黏土，因其塑性指数I_p在3到10之间，属于低塑性土，其地震液化现象在唐山7.8级地震后引起了广泛关注。地震、土壤本身的特性、埋藏深度以及地下水位等因素对其液化风险有显著影响。本文将AFSs-RBF模型应用于轻亚黏土的地震液化评价中，选取了包括震中距、上覆有效应力、黏粒含量、标贯击数、地下水位和循环应力比在内的关键影响因子作为输入参数，构建出针对性的AFSs-RBF模糊神经网络模型。 研究者利用唐山地震中的天津地区轻亚黏土液化数据作为训练样本，通过验证和实际应用，证实了AFSs-RBF网络在处理这类问题时表现出高度的自适应性，以及对非线性关系的高效映射能力。这种模型的引入有助于提高地震液化预测的准确性和精度，对于地震灾害防范和工程设计具有重要的实践价值。 关键词：轻亚黏土液化势、模糊神经网络、等级判别、AFSs-RBF。本文的研究成果不仅填补了相关领域的空白，也为后续地震工程学中的土壤液化评估提供了科学依据和技术支持。通过对AFSs-RBF模型的深入研究和应用，有望进一步提升地震灾害风险管理和应对能力。