欧美在线日韩-涩涩一区-青草视频在线播放-男人的天堂一区二区-午夜精品久久-激情综合色综合啪啪五月丁香

為快速準確地預測砂土地震液化，選取貫入深度、標準擊數、細粒含量、地下水位、總垂向應力、有效垂向應力、地震震級和地表歸一化峰值水平加速度等8個參數作為液化判別因素，提出了一種基于改進自適應算法（RectifiedAdam）和循環神經網絡模型（RNN）的地震液化預測模型（RARNN模型）。通過對Hanna等建立的SPT實測場地液化數據進行樣本學習，并利用改進自適應算法對循環神經網絡的結構進行優化；采用總體精度、準確率、召回率和F指數4項指標對模型液化判別的精度進行評價，并與Adam-RNN和SVM模型進行對比。判別結果表明，RA-RNN模型具有較好的穩定性和較高的準確率，且預測效果優于Adam-RNN和SVM模型。