【技术实现步骤摘要】
基于多种群遗传算法优化的BP神经网络的回弹模量确定方法
本专利技术属于道路工程
，涉及一种基于多种群遗传算法优化的BP神经网络的回弹模量确定方法。
技术介绍
回弹模量作为路基土抗变形能力的表征参数，描述了路基土在不同荷载作用下的非线性应力应变特性，同时能够反应行车荷载作用下的动态特征。回弹模量在路面设计中尤为重要，在路面结构设计和性能评价中得到广泛应用。目前，我国《公路水泥混凝土路面设计规范》(JTGD40-2015)、《公路沥青路面设计规范》(JTGD50-2017)都以回弹模量作为设计中的重要参数。路基土回弹模量值的确定方法可分为三类：(1)根据FWD(FallingWeightDeflectometer，落锤式弯沉仪)等无损检测技术得到检测数据进行反算；(2)室内条件下采用重复三轴试验直接对试样进行测试；(3)建立路基土回弹模量确定模型。现场弯沉盆反算局限于改建道路设计，重复三轴试验设备操作繁杂且耗时较长，不适用于工程使用。因此，建立确定模型的方法具有简单、高效的特点，是现今获得回弹模量值的主要方法。
【技术保护点】
1.基于多种群遗传算法优化的BP神经网络的回弹模量确定方法，其特征在于，具体按照以下步骤进行：/n步骤S1、选取土样，测定影响土样的回弹模量的各项物理指标，并测量所选土样的回弹模量真实值；/n步骤S2、依据测定的影响土样的回弹模量的各项物理指标，建立BP神经网络回弹模量确定模型；/n步骤S3、基于多种群遗传算法，优化BP神经网络回弹模量确定模型；/n步骤S4、采用步骤S3优化后的BP神经网络回弹模量确定模型，确定待测土样的回弹模量值。/n
【技术特征摘要】
1.基于多种群遗传算法优化的BP神经网络的回弹模量确定方法，其特征在于，具体按照以下步骤进行：
步骤S1、选取土样，测定影响土样的回弹模量的各项物理指标，并测量所选土样的回弹模量真实值；
步骤S2、依据测定的影响土样的回弹模量的各项物理指标，建立BP神经网络回弹模量确定模型；
步骤S3、基于多种群遗传算法，优化BP神经网络回弹模量确定模型；
步骤S4、采用步骤S3优化后的BP神经网络回弹模量确定模型，确定待测土样的回弹模量值。
2.根据权利要求1所述的基于多种群遗传算法优化的BP神经网络的回弹模量确定方法，其特征在于，所述步骤S1测定的影响土样的回弹模量的各项物理指标包括土样的液限、塑限、塑性指数、最大干密度、最佳含水率、细粒含量和基质吸力。
3.根据权利要求1所述的基于多种群遗传算法优化的BP神经网络的回弹模量确定方法，其特征在于，所述步骤S1回弹模量真实值的测量，是先采用YAW-2000B微机控制电液伺服压力试验机分5层静压制得所需土样试件，然后采用重复三轴加载试验方法对土样试件进行重复三轴加载，最后测量土样试件产生的应力和回弹应变值，计算得到回弹模量值。
4.根据权利要求2所述的基于多种群遗传算法优化的BP神经网络的回弹模量确定方法，其特征在于，所述基质吸力是通过压力板仪测定，并采用Fredlund-Xing模型对测定结果进行拟合分析得到土-水特征曲线，即得到不同含水率和不同压实度下路基土的基质吸力值；
所述Fredlund-Xing模型为：
上式中，θω为体积含水率，θs为饱和含水率，ψ为土体基质吸力，ψr为残余含水率对应的基质吸力，a、b和c均为Fredlund-Xing模型的拟合参数。
5.根据权利要求1～4任一项所述的基于多种群遗传算法优化的BP神经网络的回弹模量确定方法，其特征在于，所述步骤S2得到的是以土样的物性参数、状态参数和应力参数为输入、回弹模量为输出的BP神经网络模型；
所述土样的物性参数包括土样的液限、塑限、塑性指数、最大干密度、最佳含水率、细粒含量，所述土样的状态参数包括其压实度、基质吸力，所述土样的应力参数包括其围压和偏应力。
6.根据权利要求5所述的基于多种群遗传算法优化的BP神经网络的回弹模量确定方法，其特征在于，所述步骤S2建立的BP神经网络回弹模量确定模型是包含一个输入层、一个...
【专利技术属性】
技术研发人员：张军辉，胡健坤，彭俊辉，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。