基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

复合地基中褥垫层的极限下限分析

作为复合地基的重要组成部分,褥垫层影响着路堤下复合地基的桩、土承载力的发挥,所以有必要对其承载与变形特性进行研究。根据极限分析下限法,在满足应力边界条件和摩尔一库伦屈服条件下,通过构建应力场、应力叠加计算等步骤,分别推导出褥垫层在厚度无穷大和厚度较小时的极限承载力下限解,以及桩土应力比计算公式。通过对算例进行分析,揭示了褥垫层存在压密和塑性流动两个受力变形阶段;桩土应力比随着内摩擦角的增大而增大,随着褥垫层厚度的增大而减小等规律;以及桩土应力比试验值与理论计算值偏差的原因。