共查询到20条相似文献，搜索用时 140 毫秒
1.
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
2.
地下水水位动态预测对农田土壤盐渍化防治、地下水地表水资源的合理调度具有十分重要的意义。以新疆和静县某地下水观测井为研究对象,选择月均蒸发量、气温和灌溉量3个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立地下水水位的遗传BP神经网络预测模型。结果表明:遗传BP神经网络模型能较好表达地下水位与主控因素之间的非线性关系,预测结果与实测值之间的平均绝对百分比误差为0.040 3,测试样本的网络输出值与网络目标值的相关系数达0.967 3,模型预测效果较佳。研究结果为区域地下水的开发利用与保护提供参考依据。 相似文献
3.
4.
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
5.
6.
大坝安全诊断的混沌优化神经网络模型 总被引：2，自引：0，他引：2
为了提高大坝变形的预测精度,采用小波变换和分形理论对大坝位移观测数据的非线性动力学特性进行了分析,揭示了其具有低维混沌动力特性,这为大坝变形预测模型的建立提供了理论依据和先验知识。基于低维混沌动力特性,设计了能捕获大坝位移观测数据全局动力特性,兼具神经网络模型结构优化和动力机制时新的混沌优化神经网络大坝变形预测模型。在工程实例中,由多个度量指标组成量化评价体系,对模型预测性能进行综合评价,结果表明,所建模型比传统BP神经网络和ARMA模型具有更高的预测精度。 相似文献
7.
8.
盾构施工引起的地表沉降量的预测与评价具有很强的随机性和不确定性,用常规的数学模型难以准确表达。本文采用因子分析法对影响盾构施工引起地表沉降的9个因素进行了主因子的提取,得到4个主因子。以此数据集对BP神经网络进行训练,并用Levenberg-Marquardt(LM)算法对BP神经网络进行了优化,建立了基于因子分析的LM-BP神经网络预测模型。结合工程实例将预测结果与LM-BP神经网络模型的预测结果进行比较分析,表明本预测模型具有较高的准确性,符合实际工程的需要。 相似文献
9.
BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行优化,获得了更好的网络模型;并将此模型应用于密度界面模型的反演中,预测误差从上百米减小到数十米,同时迭代计算步数减少了近2/3,有效减少了计算时间,反演结果更准确。利用基于遗传算法优化的BP神经网络反演了法国某地区莫霍面深度,预测相对误差仅为1.8%,取得了较好的应用效果。基于遗传算法优化的BP神经网络在密度界面的反演中具有良好的应用价值和研究前景。 相似文献
10.
遗传模拟退火的BP算法在冲击地压中的应用 总被引：5，自引：0，他引：5
冲击地压的预测、预报的研究,大多数仍停留在简单的统计研究和单因素的预测方面,因而,结果也不十分理想。笔者采用多层前向网络对该问题进行数学建模,网络的训练算法采用基于遗传模拟退火的BP优化算法。该算法是在遗传算法中引入模拟退火机制,将其同BP算法结合,形成一个混合的优化算法。新算法既有神经网络的学习能力和鲁棒性,又有遗传算法的强全局随机搜索能力。同时,利用华丰矿冲击地压的实际监测数据,通过遗传算法的主要性能指标对新算法的参数进行了比较研究,得到优化后的一组参数。利用该参数,对冲击地压的神经网络模型的结构、权值和阈值进行了优化,得到了非全连接的优化神经网络模型。最后,利用该模型对华丰矿冲击地压进行了短期最大震级的预报。预测结果的相对误差率平均为 7.84 %,预测效果比较理想。 相似文献
11.
12.
结合已有岩质边坡工程实例,针对岩质边坡稳定性预测中存在的问题,提出了运用BP网络预测岩质边坡稳定性的方法,并构造了相应的网络模型。预测结果表明,模型具有较高的预测精度,能够满足实际工程需要,是有一定实用价值和参考价值的边坡稳定性预测方法。 相似文献
13.
针对已滑动或有明显变形的边坡,取定稳定系数值进行反演分析是确定岩土体抗剪强度的重要手段。当边坡滑动面穿越多层岩土体时,盲目地抗剪强度试算反演明显不合理。为解决此问题,构造以多层岩土体抗剪强度为输入,以GeoSlope计算得到的稳定系数、滑面剪入口和剪出口位置为输出的BP神经网络,基于取定的稳定系数和现场测定的滑动面剪入口和剪出口位置,通过重复执行“逆向反推-误差校验-样本修正”实现岩土体抗剪强度的逆向迭代修正反演。工程实例验证结果表明,该方法获取的岩土体抗剪强度基本合理,可供小型边坡防护工程设计参考。该方法成功地规避了BP神经网络以已知信息为输入、以待反演参数为输出的传统做法在解决该问题时为欠定的局限性,对样本库样本数量的要求降低且具有较好精度。 相似文献
14.
为了分析边坡的稳定性,利用协调粒子群算法和BP网络建立了边坡稳定性CPSO-BP预测模型。BP网络能够很好地描述边坡稳定性与其影响因素之间复杂的非线性关系,将内摩擦角、边坡角、岩石重度、边坡高度、黏聚力、孔隙压力比6个主要影响因素作为网络的输入,将边坡稳定性系数作为网络的输出。为避免BP网络陷入局部最优,利用协调粒子群算法的全局优化能力确定BP网络的连接权值和阀值,使BP网络的优势得到分发挥,达到提高模型预测精度目的。实例表明CPSO-BP模型有更好地预测精度以及将其应用于边坡稳定性预测是可行的。 相似文献
15.
通过相邻两个时间区间位移观测结果均值差分的积分描述和Harr小波基函数的小波变换方程的对比分析,得到了一个将不同时间尺度下边坡位移均值变化表示为相应尺度下小波变换系数的基本关系。根据这一关系,提出了可以采用小波变换方法确定两个相邻时间区间位移均值在不同时间尺度下变化规律的边坡位移演化的多尺度分析方法。针对卧龙寺新滑坡、三峡永久船闸边坡开挖和隔河岩水电站进水口边坡变形的观测结果,讨论了它们的位移演化多尺度特征。当边坡位移呈现较规则的变化趋势时,在一个尺度上就可以提取它们的时间演化特征。开挖剧烈扰动的影响可以通过给定时间尺度支撑区端点与位移突变点之间递增连的线进行近似。 相似文献
16.
基于交替迭代算法神经网络评价岩石边坡稳定性 总被引：2，自引：0，他引：2
目前边坡工程中常用的稳定性分析方法主要分为极限平衡法和数值分析法2大类，文章对它们各自的主要愿理、特点及其优缺点等进行了阐述。首先，根据经典边坡稳定分析方法存在的局限性，提出有必要建立基于人工神经网络的边坡稳定性预报方法。其次，针对经典算法BP网络存在的某些缺陷，提出了一种交替迭代算法神经网络，以提高其非线性映射能力和泛化能力。交替迭代神经网络算法通过解2个阶数比较低的线性代数方程组，逐步求得连接权值的。以此提高收敛速度，且有利于寻求最优解。作者用FORTRAN语言编制了程序。分析了建立边坡岩体稳定性预测网络模型的建立中应该注意的几个方面。最后，基于已有的40个岩石边坡工程实例进行所建立的神经网络的训练和边坡稳定的预报，结果表明文中所建立的边坡稳定性预报方法具有较高的预报准确度。 相似文献
17.
水是导致残坡积土边坡滑坡的最主要原因,因此研究水对残坡积土力学性质的影响具有重要的理论和工程实际意义。本文在普通三轴仪上进行非饱和残坡积土的强度试验,并基于试验结果建立了非饱和残坡积土强度随含水量变化的改进BP神经网络预测模型。模型计算结果与试验结果对比分析表明,该神经网络预测模型具有较高的拟和精度和良好的泛化能力,能较好地预测试验含水量范围内任意含水量下对应的非饱和残坡积土应力-应变关系,从而能够弥补室内试验由于设计方案等自身缺陷引起的不足。研究结果可为工程应用提供参考。 相似文献
18.
基于遗传算法和模糊神经网络的边坡稳定性评价 总被引：4，自引：0，他引：4
边坡工程是一个动态的、模糊的、开放的复杂非线性系统,传统的分析方法有时难以对复杂边坡的稳定性做出符合实际的评价。影响边坡稳定性的因素复杂且具有随机性和模糊性。由于神经网络方法不仅能考虑定量因素,而且能考虑定性因素的影响,因而神经网络方法适用于解决非确定性的边坡稳定性评价问题。综合考虑影响边坡稳定性的各方面因素,建立了基于遗传算法的模糊神经网络模型,并利用大量工程资料对网络进行训练和测试。预测结果表明,该模型的预测精度明显高于目前同类方法。 相似文献
19.