单桩荷载 - 沉降响应的反向传播神经网络建模
1. 引言
桩作为一种重要的深基础类型，是细长的结构构件，用于将地上上部结构的荷载通过软弱地层传递到更合适的承载地层，如较硬的土壤或岩石。因此，桩支撑结构的安全性和稳定性在很大程度上取决于桩的性能。评估单桩的荷载 - 沉降性能是桩基础设计的主要方面之一。在设计中，需要考虑多个因素对桩荷载 - 沉降特性的影响，如周围土体的非线性力学行为、桩本身的特性以及桩的安装方法。
在桩的沉降分析方面，Poulos和Davis（1980）指出，即时沉降是最终沉降的主要组成部分，对于饱和黏土中的桩，还需考虑固结沉降。对于砂土地基中的桩，即时沉降几乎占最终沉降的全部。此外，Vesic（1977）提出了一种半经验方法来计算桩的即时沉降。
预测桩沉降的方法有理论方法和实验方法。近年来，软计算方法，尤其是人工神经网络（ANNs），在预测桩基础的轴向和侧向承载力方面取得了不同程度的成功。不过，之前的一些模型存在局限性。例如，Shahin（2014）的模型仅专注于打入式钢桩，且只使用了锥尖阻力的平均值作为输入；Nejad和Jaksa（2017）的模型虽然考虑了21个输入变量，但忽略了输入参数的组合和描述性的不确定性。
本文的目标包括：
- 开发一个反向传播神经网络（BPNN）模型，以准确估计单桩在各种荷载、桩特性、安装方法以及土壤和地面条件下的荷载 - 沉降行为。
- 研究描述性因素（分类或数值）的选择对建模精度的影响。
- 通过敏感性分析探索影响桩行为的因素的相对重要性。
2. 反向传播神经网络方法
本研究采用了三层前馈神经网络拓扑结构，如图1所示。反向传播算法包含两个
