齐宏伟1，王 印2
（1.华北科技学院土木工程系，北京101601；2.河北农业大学，保定071000）
摘 要：将BP神经网络模型应用于CFG桩复合地基承载力的设计计算中，通过对影响CFG桩复合地基承载力因素间的非线性关系分析，指出影响CFG桩复合地基承载力的主要因素。为成功预测CFG桩复合地基承载力，收集了大量工程实测资料，并按照神经网络的训练要求对工程资料进行了分析整理，建立了基于人工神经网络的CFG桩复合地基承载力预测模型。通过对网络的学习训练，得到的复合地基承载力预测值达到了预期精度。
关键词：人工神经网络；CFG桩复合地基；复合地基承载力
作者简介：齐宏伟（1970年— ），女，河北省承德人，华北科技学院副教授，从事岩土与结构工程研究。
水泥粉煤灰碎石桩（Cement Fly－ash Gravel，简称CFG）复合地基处理技术［1］是目前应用较广泛的一种地基加固技术，具有适应性广、承载力高、经济合理等特点。但其理论计算还有许多不完善的地方，在设计、施工等环节中存在较大的盲目性，导致复合地基承载力设计值与静载荷检测值普遍出现较大误差。如何合理确定复合地基承载力已成为CFG桩复合地基设计的重要问题［2～4］。
人工神经网络［5］（Artificial Neural Networks，简称ANN）是在物理机制上模拟人脑信息处理机制的信息系统，它不但具有处理数值数据的一般计算能力，还具有处理知识的思维、学习、记忆能力。尤其对机理较复杂又不能用规则公式准确描述的问题，神经网络往往是最有力的工具，并表现出极大的灵活性和自适应性。误差反向传播（Error Back Propagation，简称BP）神经网络是目前较为成熟且广泛应用的一种神经网络结构［6～9］，本文尝试将BP神经网络模型应用于CFG桩复合地基承载力的设计计算中，并通过实例验证，获得了满意的结果。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
