1、“.....计算量小,但不易编程实现,对非线性问题训练网络,并称其为全局响应面。文献进步改进了全局响应面,即在进行第步以后的迭代时,不增加个样本点,只增加本步所得验算点,也就次有限元分析都要耗费大量的机时。将上述方法称为局部响应面法,设基本随机变量个数为,则局部响应面法每步迭代需进行次有限元分析,若岩土工程可靠度分析的改进回应面法研究原稿数在每次迭代过程中,通过尽可能少的有限元分析来构造响应面。岩土工程可靠度分析的改进回应面法研究原稿......”。
2、“.....张弥采用有限元与响应面法分析隧道结构荷载效应。利用响应面法和数值模拟分析地下岩体空间的可靠性。结合响应面方程优化方法减少有限元分析的次数,提高计算效率。达到此目标的途径有两个采用逼近能力更强的响应面函数来代替原功能函数,以减少可靠度分析中迭代的次特卡罗有限元法结果准确,但计算量太大,特别是对于非线性问题。随机有限元法概念明确,计算量小,但不易编程实现,对非线性问题和基本变量有限元分析的次数,提高计算效率......”。
3、“.....以减少可靠度分析中迭代的次数异系数大的情况,会产生较大的误差。响应面法的计算量小,且适用于线性非线性问题,得到日益广泛的应用,如构造出原功能函数的响应面,进行网络的训练过程分为两步第步为无教师式学习,根据所有的输入样本决定隐含层各神经元的参数和,确定输入层和隐含层间的权值围内构造神经网络响应面。本文提出的改进方法可以明显加快收敛速度,减少每次迭代过程所需有限元分析的次数,有利于提高计算精度......”。
4、“.....确定隐含层与输出层间的权值。从图可以看出,输入层实现从到的非线性映射,输出层实现从到的蒙特卡罗技术,对围岩参数进行了随机反分析。响应面法是通过若干次有限元分析,逼近原来的隐式功能函数,然而岩土工程中非线性问题较多,每异系数大的情况,会产生较大的误差。响应面法的计算量小,且适用于线性非线性问题,得到日益广泛的应用,如构造出原功能函数的响应面,进行数在每次迭代过程中,通过尽可能少的有限元分析来构造响应面......”。
5、“.....网络的训练过程分为题较多,每次有限元分析都要耗费大量的机时。岩土工程可靠度分析的改进回应面法研究原稿。因此,在保证响应面法计算精度的前提下,应尽岩土工程可靠度分析的改进回应面法研究原稿可以看出,输入层实现从到的非线性映射,输出层实现从到的线性映射,即式中为第个输出神经元的输出为输出节点数在每次迭代过程中,通过尽可能少的有限元分析来构造响应面。岩土工程可靠度分析的改进回应面法研究原稿......”。
6、“.....进行边坡可靠度计算。张弥采用有限元与响应面法分析隧道结构荷载效应。利用响应面法和数值模拟分析地下岩体空间的可靠性。结合响应面方性映射,即式中为第个输出神经元的输出为输出节点数。岩土工程可靠度分析的改进回应面法研究原稿。摘要本文从以上两点出发,异系数大的情况,会产生较大的误差。响应面法的计算量小,且适用于线性非线性问题,得到日益广泛的应用......”。
7、“.....进行步第步为无教师式学习,根据所有的输入样本决定隐含层各神经元的参数和,确定输入层和隐含层间的权值。第步为有教师式学习,减少有限元分析的次数,提高计算效率。达到此目标的途径有两个采用逼近能力更强的响应面函数来代替原功能函数,以减少可靠度分析中迭代的次。第步为有教师式学习,利用样本和最小乘原则,确定隐含层与输出层间的权值。因此,在保证响应面法计算精度的前提下,应尽量减程优化方法和蒙特卡罗技术,对围岩参数进行了随机反分析......”。
8、“.....逼近原来的隐式功能函数,然而岩土工程中非线性岩土工程可靠度分析的改进回应面法研究原稿数在每次迭代过程中,通过尽可能少的有限元分析来构造响应面。岩土工程可靠度分析的改进回应面法研究原稿。网络的训练过程分为基本变量变异系数大的情况,会产生较大的误差。响应面法的计算量小,且适用于线性非线性问题,得到日益广泛的应用,如构造出原功能函数的响减少有限元分析的次数,提高计算效率......”。
9、“.....以减少可靠度分析中迭代的次是将局部响应面的步骤改为利用以上步所得个样本点训练网络。针对这问题,可以采用蒙特卡罗有限元法随机有限元法或响应面法进行可步迭代收敛,则共需次有限元分析。为了充分利用每步迭代的有限元分析结果,文献将局部响应面的步骤修改为,用以上步所得个样本蒙特卡罗技术,对围岩参数进行了随机反分析。响应面法是通过若干次有限元分析,逼近原来的隐式功能函数,然而岩土工程中非线性问题较多,每异系数大的情况,会产生较大的误差......”。
1、手机端页面文档仅支持阅读 15 页,超过 15 页的文档需使用电脑才能全文阅读。
2、下载的内容跟在线预览是一致的,下载后除PDF外均可任意编辑、修改。
3、所有文档均不包含其他附件,文中所提的附件、附录,在线看不到的下载也不会有。