点击次数：

论文类型：期刊论文

发表时间：2022-06-29

发表刊物：Journal of Central South University

卷号：27

期号：02

页面范围：500-516

摘要：地震液化评估是一个复杂的非线性过程,受多种因素的不确定性和复杂性的影响。贝叶斯置信网络（BBN）是一个可靠有效的工具,可以提供一个合适的框架来处理这些不确定性和因果关系。本研究采用一种混合方法来建立基于静力触探试验（CPT）案例记录数据的贝叶斯置信网络（BBN）模型,以评估土壤的地震液化势。在这种混合方法中,先通过结合领域知识（DK）的解释结构建模（ISM）技术建立朴素模型,再在K2算法中嵌入朴素模型的相关信息建立BBN-K2和DK模型。将BBN模型的结果与现有的人工神经网络（ANN）和C4.5决策树（DT）模型进行了比较和验证,发现用混合方法建立的BBN模型在液化势评估中具有良好的适应性和应用前景。用混合方法建立的BBN模型为岩土工程师评估易受地震液化影响的场地环境提供了可行的工具。最后对基于混合方法的BBN模型进行了灵敏度分析,并对液化场地进行了最可能的解释,以了解液化现象的最可能情况。

备注：新增回溯数据