论文部分内容阅读
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(D