共查询到18条相似文献，搜索用时 625 毫秒
1.
应用自适应算法对BP网络进行改进，可以提高BP网络的收敛速度和全局寻优性能。在此基础上，利用多种测井数据及岩心描述资料作为网络模型的学习样本，以测井解释渗透率的神经网络模型为例，通过网络的学习、训练，建立测井解释神经网络模型。并应用此模型，定量计算出多口井的渗透率值，与常规渗透率计算结果相比，BP的解释结果及精度均令人满意，同时还取得了良好的实际应用效果。 相似文献
2.
3.
4.
以武广高速铁路乐昌段19个路基断面的沉降数据为研究对象,利用Matlab软件建立BP神经网络预测模型,计算原始模型和改进模型的预测误差,对两种模型的适用性进行评价,结果显示：单纯的BP模型容易陷入局部最小,不适用于高速铁路路基沉降的预测,采用双隐含层的GA-BP网络模型可以明显减小误差,提高预测的稳定性。 相似文献
5.
6.
7.
建筑物震陷预测新方法研究 总被引：1，自引：0，他引：1
利用人工神经网络的基本原理，本文修正了经典BP型神经网络的激励函数，并对学习率和训练样本进行了动态调整等多方面改进。根据70个多层建筑震陷的实测资料，在分析了建筑物震陷的影响因素基础上，提取了9个指标；采用改进后的BP算法，建立了多指标的建筑物震陷预测模型。研究结果表明，改进的BP网络性能良好，所建立的模型预测精度高，具有一定的工程实用价值；神经网络法是一种有效可行的预测新方法，人工神经网络技术具有广泛的应用前景。 相似文献
8.
地表移动预计参数选取的神经网络法 总被引：6，自引：0，他引：6
地表移动预计参数的选取是研究地表移动及其规律的重要内容，由于预计参数受多种复杂因素的影响，具有高度的不确定性和离散性，利用神经网络具有自组织、自学习和高度非线性映射的能力，并既能考虑定量因素又能考虑定性因素的优点，可建立地表移动预计参数选取的神经网络模型以及对BP神经网络进行改进。利用大量的地表移动实际观测数据样本对该网络模型进行训练和学习，并用该网络模型对地表移动参数进行预计，结果表明，该改进的BP神经网络具有收敛速度快、预计参数精度高的优点，从而为开采沉陷地表移动预计中参数的选取提供了新方法。 相似文献
9.
10.
11.
以大连某实际工程作为研究场地,室内试验与原位测试所得碎石土地基物理力学参数与实测所得强夯处理沉降量作为样本,通过BP神经网络对样本的训练、学习,建立地基土力学参数与强夯处理的沉降量之间的映射关系,利用所得映射关系对场地实测的沉降量进行物理力学参数的反演分析。结果表明:经过训练的神经网络模型可快速得出所需参数,利用flac3d以反演所得参数进行计算,模拟沉降量与实测沉降量的误差为4.87%,在可接受的范围之内;基于神经网络的位移反分析方法可以省去繁琐的测试工作,但该方法的实现需要有充足的样本数据作为支撑。 相似文献
12.
BP神经网络-灰色系统联合模型预测软基沉降量 总被引：24，自引：1，他引：23
目前软基沉降预测多采用指数曲线和双曲线延伸法,其结果不够理想,神经网络在此方面的运用也存在一定的局限,虽然GM(1,1)模型在软基沉降预测领域已得到运用,但在已有的案例中所使用的等时距模型都没有明确说明所采用的插值方法。以深圳湾西部通道填海软基沉降预测分析为例,建立BP神经网络-灰色系统联合模型来探讨解决这一问题的方法。采用BP神经网络逼近非线性插值方法构建等时距时间序列数据,在此基础上建立沉降变形时间序列的GM模型,并建立相应的时间响应函数,预测沉降量。计算实例表明,该模型短期沉降预测结果比较准确,其最终沉降预测结果具有一定的工程参考价值。 相似文献
13.
Correction of soil parameters in calculation of embankment settlement using a BP network back-analysis model 总被引：3，自引：0，他引：3
Finite element method (FEM) have been widely used for the calculation of settlement of embankment on soft soils in the last decade. However, due to the complexity of construction, spatial inhomogeneity of soils, as well as sensitivity of numerical results to the variation of soil parameters, large discrepancy typically exists between numerical outputs and field observations. This paper presents a novel method, combining FEM and an improved back-propagation (BP) neural network, for correction of soil parameters in numerical prediction of embankment settlement. Duncan–Chang hyperbolic soil model is adopted with the sensitivity of eight constitutive parameters numerically investigated. The soil parameters with large sensitivity are identified, and together with the representative settlements, are used for the training of the improved BP neural network which, once established, generates correction factors of soil parameters for subsequent more accurate FEM forward predictions. It is demonstrated that the proposed numerical back-analysis framework is very efficient in practical engineering applications to calculate highway settlement. 相似文献
14.
通过对太原市地面沉降资料、气象水文和地质条件以及地下水等大量资料的分析与整理,考虑到太原市各个沉降中心的沉降趋势不尽相同,对太原市吴家堡、西张、万柏林和下元4个沉降中心分别建立BP神经网络模型,并基于训练好的BP神经网络模型,在太原市地下水开采量的规划方案下,预测了在不同降水保证率下2009-2015年地面沉降的趋势,... 相似文献
15.
16.
导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数。近年来,BP神经网络广泛应用于导水裂隙带高度预测,但BP神经网络存在收敛速度慢、易陷入局部极小等问题。为提高导水裂隙带高度预测的准确性,利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化,建立基于PSO-BP神经网络的导水裂隙带高度预测模型。选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素,选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练,将训练后的PSO-BP神经网络对2例测试样本的预测结果与实际值进行对比,并与BP神经网络预测模型及经验公式预测结果进行对比。结果表明:PSO-BP神经网络预测模型的平均相对误差为1.55%;BP神经网络预测模型的平均相对误差为4.8%,经验公式的最小相对误差为9.4%,PSO-BP神经网络预测精度明显优于BP神经网络和经验公式,且绝对误差和相对误差变化较稳定,可以有效预测导水裂隙带高度。 相似文献
17.
基于网格搜索法优化支持向量机的围岩稳定性分类模型 总被引：1，自引：0，他引：1
为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。 相似文献
18.
基于季节冻土微观结构特征的神经网络冻胀率仿真预测 总被引：1，自引：1，他引：0
为了寻求基于宏观-微观物理参数间接得到季节冻土冻胀率的途径, 根据现有技术手段容易测试到土的性质参数, 利用BP神经网络法对季节冻土冻胀率进行预测. 选取微观孔隙参数及结构单元体参数各4个、 外部条件参数3个共11个参数, 建立季节冻土冻胀率神经网络预测模型. 结果表明: 在33个检验样本中, 误差最大为0.19, 最小为0.00, 有4个样本的误差在0.1~0.19之间, 其他样本误差都在0.05以下, 占总样本数的88%, 说明模型能反映冻胀变化的基本趋势. 因此, 文中建立的基于11个宏观微观物理参数的BP神经网络冻胀率预测模型是可行的. 相似文献