共查询到20条相似文献，搜索用时 500 毫秒
1.
地铁深基坑支护的遗传神经网络位移反分析 总被引：2，自引：0，他引：2
针对目前已有的各种位移反分析方法存在的缺陷,利用神经网络具有的非线性映射能力和遗传算法具有的全局随机搜索能力,提出了一种基于遗传神经网络进行深基坑支护的位移反分析方法。该方法改变了BP算法依赖梯度信息的指导来调整网络权值的方法,而是利用遗传算法全局性搜索的特点,寻找最合适的网络连接权和网络结构等来达到优化的目的。结合地铁深基坑支护位移计算,应用该方法对某一地铁深基坑土体的力学参数进行了反演。结果表明：将位移观测值作为网络输入数据,土体力学参数作为输出数据,在较大的解空间内,该位移反分析方法收敛速度快、解的稳定性好、反演结果精度高,是一种理想的位移反分析方法。最后,采用该软件结合一个工程实例实现了应用遗传神经网络进行的基坑支护位移反分析。 相似文献
2.
针对遗传算法（GA）存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法（SA）,组成改进的遗传模拟退火算法（GSA）提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。 相似文献
3.
基于人工神经网络的砂土液化势评价 总被引：3，自引：1，他引：2
本文利用静力触探（ＣＰＴ）场地液化数据,建立了液化势判定的反向传播神经网络模型,研究表明,同传统方法相比,人工神经网络方法在判别砂土液化势方面是可行的。 相似文献
4.
5.
6.
7.
基于遗传－广义回归神经元算法的坞石隧道三维弹塑性位移反分析研究 总被引：1，自引：0，他引：1
广义回归神经元网络在逼近能力、学习速度和网络稳定性方面均优于BP神经元网络,且具有网络人为调节参数少的优点。本文将广义回归神经元网络引入坞石隧道工程的三维弹塑性位移反分析。为了在网络训练过程中快速搜索到最优的网络阈值,采用十进制遗传算法对网络阈值进行优化。在确定最优的网络结构后,采用遗传算法在每个待反演参数的搜索范围内搜索出与实测位移最接近的围岩力学与初始应力场参数组合。用反分析得来的参数进行下步开挖位移预测,预测值与实测值吻合较好,表明所提出的这种反分析方法在工程上是可行的,可以推广使用。 相似文献
8.
在应用神经网络进行洪水预报时,因洪水系统随着河道上游来流、区间降雨、河床演变等因素的动态变化,其特性并不总是按照基本相同的规律变化,对这类系统的参数辨识,要求算法具有较强的实时跟踪能力,以适应模拟或预测洪水运动变化过程的要求。在BP神经网络模型的基础上,运用最小二乘递推算法,引入时变遗忘因子实时跟踪模型中时变参数的变化,建立了神经网络在非线性系统中动态系统输入、输出数据间的映射关系。计算实例表明:该法对参数的快速时变具有较快的跟踪能力和较高的辨识精度,是一种非常实用的水文实时预报方法。 相似文献
9.
FORECAST OF PREFERRED FAULT BASED ON NEURAL NETWORK 总被引：10，自引：2，他引：8
基于优势面区域稳定性评价理论和人工神经网络 (ANN)的原理和方法 ,探讨了基于 ANN的优势断裂预报神经网络算法及模型 ,并结合实例检验表明应用反传 (BP)神经网络模型判定优势断裂的新方法是有效的 ,且取得了理想的结果。 相似文献
10.
11.
Inverse analysis for geomaterial parameter identification using Pareto multiobjective optimization 
下载免费PDF全文
下载免费PDF全文 An inverse analysis method that combines the back propagation neural network (BPNN) and vector evaluated genetic algorithm (VEGA) was proposed to identify mechanical geomaterial parameters for a more accurate prediction of deformation. The BPNN is used to replace the time‐consuming numerical calculations, thus enhancing the efficiency of the inverse analysis. The VEGA is used to find the Pareto‐optimal solutions to multiobjective functions. Unlike traditional back‐analysis methods which are based on only 1 type of field measurement and a single objective function, this proposed method can consider multiple field observations simultaneously. The proposed method was applied to the Shapingba foundation pit excavation located in Chongqing city, China. Two types of measurements are considered in the method simultaneously: the displacements in the x‐direction (north orientation) and those in the y‐direction (east orientation). Five deformation modulus parameters for artificial backfill soil, silty clay, siltstone, sandstone, and mudstone were selected as the inversion parameters. Compared with the weighted sum approach, the proposed method was demonstrated as an efficient multi‐objective optimization tool for back calculating undetermined parameters. After performing a forward‐calculation using the optimized parameters obtained by the inverse analysis, the predicted results were well consistent with the practical deformation in magnitude and trend. 相似文献
12.
13.
由于采用常规测井曲线评价页岩储层总有机碳含量的精度不高,泛化能力不强,需要大量样本。针对这些问题,改
进了神经网络算法,以增加模型的预测能力。利用模糊系统优化细胞神经网络结构,以增强其逻辑推理能力,提高其对模
糊数据的敏感性;选择能有效避免“虚拟碰撞”的雨林算法,并针对其存在的缺陷进行改进;利用改进雨林优化算法对网
络的初始权值阈值进行优化,避免网络陷入局部极小。分析测井特征曲线的物理意义,选择密度测井曲线与自然伽马能谱
测井曲线作为网络的输入,以总有机碳含量作为输出,通过70块岩心样本网络学习与26块岩心样本预测,证明了新网络模
型的优越性。结果表明,新模型回判将相对误差从23.189%减小到17.185%,预测相对误差由52.421%减小到15.158%,具
有更强的学习能力与泛化能力,更适用于页岩储层总有机质含量的测井评价。 相似文献
14.
为提高新安江模型的汇流计算精度并减少经验因素对参数率定的影响,将新安江产流模型与改进的BP汇流模型相耦合,建立XBK(XAJ-BP-KNN)模型。该模型以前期模拟流量和新安江产流模型计算的产流量作为BP网络的输入,出口断面流量作为网络输出,拟合汇流的非线性关系,代替新安江模型的分水源、线性水库及河道马斯京根法的汇流计算;采用相似原理和K-最近邻算法,基于历史样本的模拟误差及相应影响要素对网络输出进行误差修正,实现了无前期实测流量的连续模拟;模型使用SCE-UA算法与遗传早停止LM算法相结合的全局优化方法进行参数优选。在呈村流域的验证表明XBK模型的模拟精度高于新安江模型,全局优化方法能找到最优参数,降低了模型的使用难度。 相似文献
15.
16.
介绍了径向基函数神经网络的原理、训练算法,建立的径向基函数神经网络城市需水量预测模型具有较强的非线性处理能力和逼近能力,运算速度快、性能稳定,克服了BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷,预测精度较高,泛化能力强。 相似文献
17.
改进的BP神经网络在流域产沙量预测中的应用 总被引：1，自引：0，他引：1
误差逆传播算法是多层前向网络的典型算法，但是其平方误差函数超曲面存在许多局部极小值，于是给出了基于输出空间的全局优化BP算法（global optimization back propagation algorithm, 简称GOBPA），应用GOBPA，建立黄河某流域年均产沙量的预测模型，结果表明，用GOBPA训练的多层前向神经网络能够以很高精度预报年均产沙量。 相似文献
18.
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
19.
20.
The determination of the compaction parameters such as optimum water content (wopt) and maximum dry unit weight (γdmax) requires great efforts by applying the compaction testing procedure which is also time consuming and needs significant amount of work. Therefore, it seems more reasonable to use the indirect methods for estimating the compaction parameters. In recent years, the artificial neural network (ANN) modelling has gained an increasing interest and is also acquiring more popularity in geotechnical engineering applications. This study deals with the estimation of the compaction parameters for fine‐grained soils based on compaction energy using ANN with the feed‐forward back‐propagation algorithm. In this study, the data including the results of the consistency tests, standard and modified Proctor tests, are collected from the literature and used in the analyses. The optimum structure of a network is determined for each ANN models. The analyses showed that the ANN models give quite reliable estimations in comparison with regression methods, thus they can be used as a reliable tool for the prediction of wopt and γdmax. Copyright © 2010 John Wiley & Sons, Ltd. 相似文献