共查询到19条相似文献，搜索用时 187 毫秒
1.
2.
随着淮北市相山区岩溶水开采量不断增大,区内岩溶水水位降落漏斗范围不断增大,为保障岩溶水的安全开采与地质环境安全,进行本区岩溶水安全开采量计算十分必要。目前神经网络模型已被广泛应用于岩溶水水位动态计算,但由于网络全局寻优能力不理想,网络训练容易陷入局部极小值,导致网络泛化能力不理想。针对人工神经网络的不足,利用遗传算法(GA)对较为常用的BP神经网络权值、阈值进行优化,将此方法应用于相山区岩溶水水位动态的预测,并以该区岩溶水临界开采水位为控制条件,经模型计算得到相山区岩溶水多年平均安全开采量为3 001.7×10~4m~3。计算结果表明:与BP神经网络相比,GA-BP神经网络具有更高的预测精度,遗传算法可以有效提高BP网络的泛化能力。 相似文献
3.
文章在说明动量BP算法及其程序实现的基础上，阐还了网络训练中的主要参数(初始权值与阈值、隐层单元数、输出单元数、归一化方法、传递函数)对训练过程的影响，并将动量BP算法应用于桩基沉降的研究，研究表明，使用一定的训练参数，得到的预测沉降与最终沉降量会具有良好的一致性。 相似文献
4.
基于遗传算法和BP神经网络的矿井涌水量预测 总被引：2，自引：0，他引：2
为避免BP神经网络极易陷人局部解的问题,针对遗传算法具有全局寻优的特点,提出了用遗传算法优化BP神经网络预测方法,并以刘桥二矿为例,对其矿井涌水量进行了预测。首先选取刘桥二矿区的2005年3月至2006年12月的矿井涌水量数据进行分析,然后使用遗传算法优化BP网络的初始权值和阈值,最后使用BP神经网络进行训练。将其成果与纯BP网络算法进行比较,结果表明：遗传算法优化BP神经网络的预测方法的预测精度高于纯BP网络算法,将其应用于矿井涌水量预测是有效可行的。 相似文献
5.
神经网络在岩体力学参数和地应力场反演中的应用 总被引：20，自引：7，他引：13
BP神经网络已广泛地应用于岩体力学参数和初始应力场的反演分析,但在实际应用中,BP网络存在着网络训练易于过度、收敛速度慢、易陷入局部极小以及隐层节点数难于确定等缺点。采用RBF网络和改进的BP网络,利用基于有限差分格式的快速拉格朗日算法进行正分析计算,依据若干测点的正应力数据,反演了计算区域的岩体力学参数以及初始应力场。算例表明,RBF神经网络与快速拉格朗日算法相结合,在样本容量相同的情况下,反演分析的精度、网络的拓扑结构以及学习、收敛速度,均优于采用BP网络的反演算法。 相似文献
6.
基于人工神经网络的三峡水库库岸稳定性分级 总被引：3，自引：3，他引：0
为避免库岸稳定性评价法的随意性和不确定性,尝试采用具有处理非线性关系功能的人工神经网络方法进行库岸稳定性分级,为此构建了15-31-4结构的三层BP网络。该网络采用BP弹性算法,同时对初始权值和阀值进行了优化,实现了网络的非线性映射,并有着极快的收敛速度。用该BP网络对三峡水库的上游段库岸进行了稳定性等级判断,其结果与常规计算方法所得的结果基本相似。 相似文献
7.
随煤层开采深度的不断增加,煤矿生产过程中面临着复杂的突水机理和多变的突水主控因素,且各因素间相互联系的不确定性,使底板突水预测的难度不断增加。为准确预测底板突水危险性,针对底板突水的小样本、非线性问题,首先利用遗传算法(Genetic Algorithm,GA)将网络随机赋值的初始权值和阈值初次优化,再选取搜索能力强、稳定性较好的麻雀搜索算法(Sparrow Search Algorithm,SSA)对权值和阈值进行二次寻优,从而建立SSA-GA-BP神经网络底板突水预测模型。分析整理山东省滨湖煤矿地质及水文地质资料,选取含水层水压、含水层厚度、隔水层厚度、断层密度、断层分维值、渗透系数、单位涌水量、底板破坏深度共8个因素,作为预测底板突水的主控因素,绘制各主控因素3D映射投影曲面图;利用Surfer软件中的克里金插值法提取50个数据点作为模型的输入样本(分为训练集40个,测试集10个),对模型进行训练学习,训练误差精度达到要求后,对滨湖煤矿3个未开采工作面的12个数据点进行突水危险性预测。为了验证所建模型的准确性,利用BP、GA-BP、SSA-GA-BP这3种模型对测试集进行预测;为避免模型仅与BP网络预测对比的片面性,同时选取以熵权法确定权重的模糊综合评判法对测试集进行预测;将各网络模型及方法的预测结果与实际值进行对比分析。结果表明:基于SSA优化的GA-BP神经网络模型突水预测误差较小,预测结果准确率更高,为矿井水害预测预报提供了科学的评价方法和理论依据。 相似文献
8.
基于SPSS和GIS的BP神经网络农用地适宜性评价 总被引：2，自引：0，他引：2
以中原城市群为研究区,在应用GIS基础上运用SPSS软件进行主成分分析,根据因子贡献率提取主导性强的综合因子,利用提取的主导因子进行系统聚类选择典型样本;依据因子的贡献率调整BP神经网络初始权值,建立评价模型,进行农用地适宜性评价方法的探讨。通过检验,改变初始权值建立的BP模型预测合格率为50%,相对误差最大值为18.9%;为了进一步改进BP网络,把第一次调整权值训练得到的网络权值作为下一次建模的初始权值,训练得到的BP模型预测合格率为100%,相对误差最大值为9.5%。其后运用层次分析法、主成分聚类法作为对照,验证了这种BP模型在农用地适宜性评价中的可靠性与精确性。最后根据所建立的BP模型预测获得中原城市群农用地适宜性分区图,各土地类型适宜性从西往东呈现由低到高的分带性,其中高度适宜区占总面积的32.4%;中度适宜、勉强适宜、不适宜区分别占总面积的28.9%、22.1%、16.6%。 相似文献
9.
基于MATLAB6.5平台编程,研究利用径向基神经网络进行砂土液化评价,探讨了原始数据预处理方法、神经网络构建、训练、结果评价、主因子识别以及与BP网的对比,表明了RBF网络砂土液化评价的优越性,同时给出了RBF网络砂土液化评价的归一化数据预处理方法与利用网络权重识别砂土液化主因子方法,为今后的进一步研究与实践奠定了基础. 相似文献
10.
影响堤防管涌的各种因素是不确定和随机的,在堤防管涌的发生过程中各因素间表现出复杂的非线性行为。运用基于RBF神经网络的基本原理,建立了堤防管涌预测的RBF神经网络模型,从新的角度研究堤防管涌的预测问题,对该问题进行了探索性的研究。对该理论的建立以及预测方法进行了系统的讨论,为该领域的研究提供了完整的技术方法。对于23个典型堤防管涌实例的研究表明,RBF网络较BP网络有较高的预测精度,较短的预测时间和较快的预测速度,能够较好地描述堤防管涌的非线性特征。 相似文献
11.
喀斯特流域降雨-径流人工神经网络模型结构分析及模拟 总被引：1，自引：1，他引：0
喀斯特流域降雨-径流响应是一个非线性过程,分析确定地下河流量过程的主要影响因子对喀斯特流域水文过程模拟具有重要意义。本文利用普定后寨河流域实测降雨、径流系列资料,采用神经网络权重分析法确定该流域的人工神经网络模型结构为两个隐含层、三个输入变量,该人工神经网络模型结构可以保持降雨-径流模拟的稳定性。模型经交叉训练与验证,训练期效率系数（NSC）达0.9以上,验证期NSC达0.88以上。说明神经网络权重分析法能够较好地确立预报因子与预报对象的关系,为喀斯特流域降雨-径流模拟提供一种有效的分析手段。 相似文献
12.
为提高水环境非线性时序预测模型的精度,用自相关技术分析水环境时间序列的延迟特性,确定径向基函数(RBF)网络的输入、输出向量,建立了水环境时间序列预测的高精度RBF网络模型.用32年海洋水温时间序列实测资料来训练和检验网络并用于预测.用该模型对长江流域望江楼站8年总硬度、高锰酸盐指数、五日生化需氧量、氨氮、溶解氧、挥发酚、镉、氯化物、硫酸盐等9种水环境要素时间序列进行预测.实例分析表明,所建模型预测误差均较小,好于门限自回归模型,BP神经网络模型和ELMAN神经网络模型.所建模型不仅精度高,而且收敛速度快. 相似文献
13.
基于神经网络的响应面蒙特卡罗方法,通过引入均匀设计来安排RBF神经网络的训练样本集,将均匀设计和RBF网络的优势有机地结合起来：一方面尽量减少训练样本点的数量;另一方面,训练样本点均匀地充满参数空间,有利于提高具有较强局部逼近能力的RBF网络的预测精度。应用该方法进行挡土墙结构抗滑移稳定性的概率分析,结果表明该方法与直接蒙特卡罗模拟的结果相当吻合,能够满足实际工程的精度要求。分析还表明,随机因素对挡土墙结构抗滑移稳定性的影响程度由大到小依次为基底摩擦系数、填土摩擦角、填土重度和填土对挡土墙墙背的摩擦角。 相似文献
14.
径向基神经网络在地面沉降预测中的应用 总被引：1，自引：0，他引：1
基于MATLAB6.5平台编程,利用前四年的沉降量作为输入神经元,后一年的沉降量作为输出神经元,重复此过程,构建了上海高桥地区地面沉降预测径向基神经网络.以历史沉降数据为训练样本,并对其进行归一化处理,在此基础上,采用未归一化及归一化后的训练样本进行网络训练与检验.结果表明,归一化后的训练样本训练得到的径向基网络具有良好的预测性能.最后利用该网络对1990-2010年的地面沉降量进行了预测. 相似文献
15.
16.
泥石流活跃程度的评判结果对保护当地人民生命财产安全和经济建设的发展及地质灾害的防治工程布置有着很大的影响。然而以往的评判方法多以定性评判为主。由于每个人的知识水平、工作经验及评判问题的思维方式的差异，从而使评判结果或多或少存在一定的误差。论文旨在寻求一种新的方法来实现对泥石流活跃程度的定量分析，以便尽可能的减少人为误差。人工神经网络是一种具有学习、记忆、计算、仿真等功能的网络结构。BP网络是目前工程上运用最为广泛的一种误差反传的人工神经网络。它可以模拟任意复杂的非线形映射关系。应用神经网络对泥石流活跃程度进行定量分析评判，可以在一定程度上减少定性评判中的人为因素影响，提高评判的准确性。论文简要介绍了BP神经网络的基本原理、训练过程，以及如何利用MATLAB软件中的神经网络工具箱来创建、训练和应用评判泥石流活跃程度BP网络。在BP网络模型建立时采用了对研究区泥石流活跃程度影响最主要的8个参数作为输入层，并选取了研究区的20个样本对网络进行训练。最后用训练好的网络对研究区的10条支沟分别进行计算。计算结果与实际情况相符，说明利用BP神经网络来评判泥石流活跃程度具有很好的实用价值。 相似文献
17.
以内蒙古自治区开鲁县玉米作物为研究对象,将生育期内玉米遥感影像所提取的多种植被指数和实地采样点的测产数据作为训练值,利用BP(back propagation)神经网络和遗传算法优化BP(GA-BP)神经网络估产模型,得出网络预测的玉米产量数值。通过决定系数R 2和均方根误差RMSE,比较实测产量与预测产量之间的精度,BP神经网络模型R^2为0.8452,RMSE(%)为28.37;遗传算法优化BP神经网络模型R^2为0.9850,RMSE(%)为6.70,表明遗传算法优化BP神经网络估产模型具有一定可行性和可信度。 相似文献
18.
基于BP神经网络的溶洞规模预测及应用 总被引：2，自引：1，他引：1
复杂岩溶地区的溶洞发育规模受地质构造、地区岩性、地下水动力系统等多种因素的影响,具有高度复杂性和非线性的特征。通过对岩溶区溶洞的赋存规律研究,确定影响溶洞发育规模的控制因素进行定量处理,收集已探明溶洞的样本数据。为克服已有研究对溶洞发育规模定性描述的模糊性,文章利用BP（Back Propagation）神经网络对自组织、自适应特性对数据样本的非线性关系揭示的能力,实现对溶洞发育规模的预测,并基于MATLAB实现BP神经网络结构的设计、训练、预测,其结果表明:BP神经网络模型对溶洞规模预测的精度高、收敛性能好。 相似文献
19.
遥感水深反演是水深测量的一种重要技术和手段.以美济礁水深反演为例,选择WorldView-02高分影像为数据源,在辐射定标和大气校正的基础上,构建BP（Back Propagation）和RBF（Radial Basis Function）人工神经网络水深反演模型,以遥感影像8个波段为输入层,通过tansig、logsig、高斯函数和purelin函数变换实现从输入层到隐含层、隐含层到输出层的转换,以便反演水深.最后对反演水深与实测水深采用回归分析,求解决定系数（coefficient of determination,R2）、平均决定误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）等进行比较,评价2种模型的精度.结果表明,RBF神经网络模型结构更简单,对样本要求更低,反演精度达到0.995,更适合遥感水深反演. 相似文献