CFG桩复合地基智能优化设计系统开发研究

发布时间：2021-08-28 04:48

　　CFG桩复合地基处理方案设计是一个非常复杂的过程,其影响因素众多,计算繁琐,相关理论研究也很滞后。在实际工程中,CFG桩复合地基方案设计通常采用试算法与经验法相结合的方法,先根据以往工程经验提出几个设计方案,再验算方案是否满足设计规范和工程要求,最终从满足要求的方案中选择较为经济的方案作为最终实施方案。这一设计过程耗费大量的时间与人力,且得不到最经济的方案。近年来随着计算机信息技术的发展,为CFG桩复合地基处理方案设计提供了新思路,促进了CFG桩复合地基处理方案的智能化发展。本文在深入研究CFG桩复合地基设计领域知识体系的基础上,利用优化算法、非参数回归法、模糊层次分析法、人工神经网络等理论,借助程序语言开发一个能够辅助工程设计人员进行快速实现CFG桩复合地基处理方案智能优化设计的系统,主要工作及结论如下:1.深入研究了CFG桩复合地基设计领域知识,进行了知识构成要素分析,提取出关键知识要素,由此绘制实体联系图并构建领域知识扩展框架,采用生产式法与一阶谓词逻辑表示法来表示CFG桩复合地基设计领域知识;2.建立了CFG桩复合地基优化设计数学模型,编制基于优化算法的计算机程序来实现优化设计... 

【文章来源】：西安理工大学陕西省

【文章页数】：106 页

【学位级别】：硕士

【部分图文】：

训练状态Fig.5-3Trainingstatus

西安理工大学硕士学位论文68图5-3训练状态Fig.5-3Trainingstatus（1）网络误差从图5-4中可以看出，虽然网络误差没有达到所设定的目标误差，也没有达到训练所设定的最大训练步数，但是网络收敛速度比较快，误差在收敛后趋于稳定，几乎没有震荡现象，且测试集的误差和训练集的误差相对较小，分别为0.0015283和0.001658，所以该辅助优化设计模型的预测性能较好。图5-4学习过程及其误差变化情况Fig.5-4Learningprocessanderrorchanges（2）拟合度拟合度是判断由预测模型得到的预测结果与实际发生情况的吻合程度指标，该值通常越接近1说明拟合情况越好，常用的检验拟合度方法有剩余平方和检验、卡方(c2)检验和

5基于人工神经网络的辅助优化设计模型69线性回归检验等。本文的神经网络辅助优化设计模型采用线性回归方法来检验其拟合度。从图5-5可知，神经网络辅助设计模型产生的预测值与真实值总体拟合度高达0.97953，训练集拟合度为0.97994，测试集的拟合度为0.97704，说明模型整体的拟合情况很好。另外，由图5-6、图5-7、图5-7可以看出使用神经网络辅助模型得到的预测值与设计参数的实际值基本没有较大偏差，进一步说明了模型有着很好的拟合效果。图5-5回归拟合Fig.5-5Regressionfit图5-6基础短边真实值与预测值比较图Fig.5-6Comparisonchartofbasicshort-siderealvalueandpredictedvalue


本文编号：3367824