论文部分内容阅读
本文将小波神经网络应用在低应变预测完整桩极限承载力中，则把桩基工程实测的桩长、桩径、波速、基频和动刚度直接用于预测桩的承载力。这便摆脱了低应变动测法依靠经验进行动、静刚度间的换算的状况，为桩极限承载力的研究与预测提供了可参考的全新方法。
本文首先研究了低应变动测响应的基本理论，并在此基础上总结出完整桩极限承载力的影响因素；大概地分析了BP人工神经网络的学习算法和改进措施并作出了改进前后的对比分析。
其次，着重研究了小波神经网络的学习算法。针对小波神经网络基于BP算法而带来的缺点，结合小波分析的知识，对小波神经网络进行了改进，并逐一证明了各项改进的效果，改进措施主要包括：(1)采用一种自相关的网络初始参数设置方法来设置网络初始参数;(2)使用一种在学习过程中自调节隐含层节点数的方法来确定隐含层节点数；(3)通过增加动量项和使用自适应调整学习率来改进学习算法。
最后，将小波神经网络应用在低应变预测完整桩极限承载力中。本文分别将改进的BP人工神经网络和改进的小波神经网络应用在工程实例中，得出如下结论：(1)小波神经网络在收敛速度、预测精度和网络预测结果的稳定性上都优于BP人工神经网络，说明相比于BP人工神经网络来说，将小波神经网络应用在低应变预测完整桩极限承载力中更加行之有效；(2)将小波神经网络应用在低应变预测完整桩极限承载力中是切实可行的具有很深远的实际推广意义。