進階搜尋


 
系統識別號 U0026-0812200912071444
論文名稱(中文) 類神經網路應用於細砂質土壤應力-應變行為之研究
論文名稱(英文) Application of Neural Network on the Stress-Strain Behavior of Fine Sand
校院名稱 成功大學
系所名稱(中) 土木工程學系碩博士班
系所名稱(英) Department of Civil Engineering
學年度 94
學期 2
出版年 95
研究生(中文) 黃冠彰
研究生(英文) Guan-Jhang Huang
學號 n6693135
學位類別 碩士
語文別 中文
論文頁數 93頁
口試委員 指導教授-陳景文
口試委員-黃添坤
口試委員-陳怡睿
口試委員-倪勝火
中文關鍵字 細砂質土壤  模擬  倒傳遞類神經網路  三軸試驗 
英文關鍵字 fine sand  simulate  back propagation network  triaxial test 
學科別分類
中文摘要 近年來,類神經網路運用於土木工程領域方面的研究已越來越多。本研究旨在運用能建立精確多元非線性模型的倒傳遞類神經網路(BPN)模式,用以模擬砂質土壤在三軸不排水剪力試驗(constant p)以及三軸排水剪力試驗(constant p )下的應力-應變關係。
在類神經網路訓練過程中,將學習範例作為輸入變數數據,藉此觀察網路的重現性並模擬學習範例之外的數據,藉此觀察網路的普遍性。本研究將所建立的三軸不排水及排水剪力試驗模型用來模擬不同相對密度下砂質土壤的應力-應變關係,並將模擬結果與實驗數據相互比較,進而探討砂質土壤在不同相對密度下,土壤摩擦角之特性。
結果顯示,本研究所獲致之模擬結果與實驗數據相當一致,且皆呈現在相同相對密度下,不排水剪力試驗之摩擦角會趨於常數值,排水剪力試驗之摩擦角會隨圍壓增加而減小,最後趨於定值。因此,本研究建立之類神經網路模式模擬砂質土壤三軸不排水剪力試驗(constant p)以及排水剪力試驗(constant p )之應力-應變行為是可行且有效的,而且亦可嘗試應用於各種不同類型土壤之模擬。





英文摘要 Recently, much effort has been taken on the application of artificial neural networks in civil engineering. This study apply back propagation network (BPN) that is able to build both exact and diverse non-linear models, and the stress-strain behavior of fine sand in the undrained(constant p)and drained(constant p )triaxial shear tests.
In the course of training, the models can be observed the reappearing on the training samples and the universality on the others. That can simulate the relationships of fine sand between stress and strain by ANN and observe the differences of the friction angle of fine sand in different relative density.
The results of study find that the friction angle in the undrained shear test will tend towards constant value under the same relative density, and when the confining pressure is gradually increasing that the friction angle of the drained shear test will reduce and finally tend towards constant. The study shows that BPN is able to simulate the stress-strain behavior of fine sand in both undrained(constant p)and drained(constant p )triaxial shear tests and proposes trying to simulate different kinds of soil by this way are feasible.





論文目次 摘要 I
ABSTRACT II
誌謝 III
目錄 V
表目錄 VIII
圖目錄 IX
符號說明 XIV
第一章 序論 1
1-1 前言 1
1-2 研究目的與內容 2
1-3 研究流程 3
第二章 文獻回顧 4
2-1 類神經網路的發展 4
2-2 類神經網路於土木工程領域之應用 6
第三章 類神經網路架構 10
3-1 前言 10
3-2 類神經網路概論 10
3-2-1 生物神經元模型 10
3-2-2 人工神經元模型 12
3-3 類神經網路分類 20
3-3-1 依網路架構分類 20
3-3-2 依學習方式分類 21
3-4 倒傳遞類神經網路 25
3-4-1 基本架構 25
3-4-2 學習演算法 26
3-4-3 學習流程 29
第四章 數據處理與網路建構 31
4-1 學習範例數據 31
4-2 數據前處理 34
4-2-1範例取樣 34
4-2-2訓練範例洗牌 34
4-2-3正規化處理 34
4-3 參數設定 38
4-4 網路訓練與測試 41
4-5 網路建立 44
第五章 模式建立與模擬結果 45
5-1壓密不排水試驗之模擬 47
5-1-1 不排水剪力試驗類神經網路之建構 47
5-1-2 不排水剪力試驗類神經網路之驗證 52
5-2壓密排水試驗之模擬 58
5-2-1 排水剪力試驗類神經網路之建構 58
5-2-2 排水剪力試驗類神經網路之驗證 63
5-3 摩擦角之類神經網路模擬 70
5-3-1 不排水剪力試驗摩擦角之類神經網路模擬 71
5-3-2 排水剪力試驗摩擦角之類神經網路模擬 77
5-3-3 類神經網路模擬結果 82
第六章 結論與建議 85
6-1 結論 85
6-2 建議 87
參考文獻 89
自述 93
參考文獻 1. 林三賢,李茂興(2002),「以類神經網路預測受側力基樁之樁頭載重-變形曲線」,地工技術,第九十一期,第15-20頁。
2. 林炳森,丁宜君,魏銘忠(2005),「類神經結合監測技術於土砂量之研究」,九十四年電子計算機於土木水利工程應用研討會論文集,第48-53頁。
3. 林群富,陳水龍(2005),「倒傳遞類神經網路於邊坡穩定之應用」,九十四年電子計算機於土木水利工程應用研討會論文集,第44-49頁。
4. 柯啟智(1998),「類神經網路在應用決定CPT試驗參數之研究」,國立成功大學土木工程研究所碩士論文。
5. 俞旗文(2002),「案例類比法應用於台灣區隧道支撐工設計建議」,地工技術,第九十一期,第21-30頁。
6. 胡玉城(1992),「暢談類神經網路」,倚天資訊,台北市。
7. 許育彰(2003),「模擬飽和砂土抗剪行為之倒傳遞網路特性及其於有限元素法之應用」,中華大學土木工程研究所碩士論文。
8. 陳威昇(2003),「類神經網路訓練程序之些許建議」,國立成功大學土木工程研究所碩士論文。
9. 陳水龍,林國龍,林群富(2005),「類神經網路於土壤分類之應用」,九十四年電子計算機於土木水利工程應用研討會論文集,第62-67頁。
10. 張斐章,張麗秋,黃浩倫(2003),「類神經網路與實務」,東華書局,台北市。
11. 張舜孔(2003),「類神經網路應用於阿里山公路邊坡破壞因子之分析研究」,國立成功大學土木工程研究所碩士論文。
12. 葉怡成(2001),「應用類神經網路」,儒林圖書有限公司,台北市。
13. 葉怡成(2001),「類神經網路模式應用與實作」,儒林圖書有限公司,台北市。
14. 曾炫學(2003),「土石流發生臨界曲線之研究-模糊集合及類神經網路」,國立台灣大學土木工程研究所碩士論文。
15. 賴建元,葉一隆(2005),「應用類神經網路於地下水推估」,九十四年電子計算機於土木水利工程應用研討會論文集,第13-17頁。
16. 蘇木春,張孝德(2003),「機器學習:類神經網路、模糊系統以及基因演算法」,全華科技,台北市。
17. 羅華強(2005),「類神經網路-MATLAB的應用」,清蔚科技,新竹市。
18. 羅建民(2003),「剪力波速評估土壤液化潛能-模糊類神經網路」,國立台灣大學土木工程研究所碩士論文。
19. 辜炳寰(1999),「類神經網路於土壤液化評估之應用」,國立成功大學土木工程研究所碩士論文。
20. 冀樹勇,陳錦清,詹君治(2002),「類神經網路於深開挖壁體變形預測之應用」,地工技術,第九十一期,第55-64頁。
21. Arulmoli, K., Muraleetharan, K.K., Hossain, M.M. and Fruth, L.S., “VELACS Laboratory Testing Program”, data report to National Science Foundation, The Earth Technology Corporation, 1992.
22. Najjar, Y.M. and Ali, H.E., 1999,”Simulating the CD Behavior of Nevada Sand via Feed-Back Network Approach”, Proc. of the 5th U.S. National Congress on Computational Mechanics (USACM), Boulder, Colorado, Book of Abstracts, pp.500.
23. Ellis, G.W., Yao, C., Zhao R. and Penumadu, D., 1995,” Stress-strain modeling of sands using artificial neural network”, Journal of Geotechnical Engineering, ASCE, Vol.121, No.5, pp.429-435.
24. Kutter, B.L. and Chen, Y.R., 1997,”Constant p` and Constant Volume Friction Angles Are Different”, Geotechnical Testing Journal, pp.304-316.
25. Kutter, B.L. and Chen, Y.R. and Shen, C. K.,”Triaxial and Torsional Shear Test Results for Sand”, Contract Report to National Civil Engineering Laboratory, Report No.CR94.003-SHR, 1994.
26. Penumadu, D. and Zhao, R., 1999,”Triaxial compression behavior of sand gravel using artificial neural networks”, Computers and Geotechnics, Vol.24, pp.207-230.
27. Turk, G., Logar, J. and Majes, B., 2001,”Modelling soil behavior in uniaxial strain conditions by neural networks”, Advances in Engineering Software, pp.805-812.
28. Zhu, J.H., Zaman, M.M. and Anderson, S.A., 1998,”Modelling of shearing behavior of a residual soil with recurrent neural network”, International Journal for Numerical and Analytical Methods in Geomechanics, Vol.22 ,pp.671-687.
論文全文使用權限
  • 同意授權校內瀏覽/列印電子全文服務,於2009-08-17起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2009-08-17起公開。


  • 如您有疑問,請聯絡圖書館
    聯絡電話:(06)2757575#65773
    聯絡E-mail:etds@email.ncku.edu.tw