共查询到18条相似文献，搜索用时 140 毫秒
1.
初始地应力场是地下洞室设计所需的基本指标。基于江边电站引水隧洞沿线区域的地质资料,利用快速拉格朗日分析程序FLAC3D建立了该区域的数值计算模型,使用了随深度变化的侧压力系数以及应力和位移的混合边界条件,通过模拟引水隧洞沿线不同岩性的岩石、断层破碎带和蚀变带进行正分析计算。根据工程现场实测点的主应力数据,基于径向基函数（RBF）神经网络原理,反演了计算区域的岩体力学参数和初始地应力场。其计算结果与实测地应力值基本吻合,满足精度要求,说明反演结果与工程实际相符,所使用的反演方法是合理的。 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.
基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势. 相似文献
4.
基于BP神经网络的岩土体细观力学参数研究 总被引：9，自引：0，他引：9
目前颗粒流计算方法中所采用的细观力学参数,均需根据岩土体宏观力学参数试验结果反复调试获取,调试效率很低且有较大的盲目性,因此,急需引入一种新方法,建立岩土体宏观力学参数与细观力学参数的关系。基于PFC3D程序,采用BP(back propagation)神经网络方法,建立宏观力学参数与细观力学参数的非线性模型,通过输入宏观力学参数,即可快速、准确地反演岩土体细观力学参数。研究结果表明：(1)根据BP神经网络模型反演确定的细观力学参数,输入数值模型计算其宏观力学参数,结果与试验值相比,精度一般高于90%;(2)当模型最小尺度上的颗粒数RES = 10、隐含层含6个神经元时,BP神经网络模型的反演性能最佳。实例计算表明,BP神经网络模型对于岩土体细观力学参数的确定具有良好的反演性能,该方法为颗粒流理论的推广应用提供了新的技术手段。 相似文献
5.
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
6.
利用离散元方法对颗粒材料的细观力学特性研究, 目前确定数值计算模型的细观力学参数大多数通过反复调试获取, 效率低、可重复性差。本文采用开源的颗粒离散元程序LMGC开展了土体双轴压缩数值试验, 通过25组土体细观力学参数计算得到相应的宏观力学参数, 建立了BP人工神经网络反演系统。利用土体物理试验得到的土体宏观力学参数, 输入BP神经网络, 反演得到土体的细观力学参数。将所得细观力学特性参数输入所建立的土体数值计算模型, 得到土体破坏过程中的应力-应变关系曲线, 以及土体颗粒的力链图和旋转变形云图。所建立的土体数值试验模型能够较好地模拟土体变形破坏过程, 利用BP神经网络反演细观力学参数以及数值模型计算得到的土体宏观力学参数与物理试验吻合较好, 误差在10%左右, 土颗粒间力链云图以及旋转变形云图较好地揭示了土体变形破坏的机理。 相似文献
7.
地下洞室岩体力学参数反演软件系统开发与应用 总被引：1，自引：0，他引：1
岩体力学参数对地下洞室的施工和设计是极其重要的,通过位移反分析确定岩体参数的应用研究很多。为了提高参数反演的效率,采用均匀设计理论设计不同的反演参数组合,用有限元计算组建的样本集训练神经网络,根据洞室开挖过程中实测位移反演地下洞室岩体力学参数。基于面向对象、自适应、可视化三大关键技术,开发了地下洞室岩体力学参数反演有限元软件系统BAFES。该软件可实现地下洞室力学参数反演分析、开挖预报过程的可视化,将地下洞室岩体力学参数反演模式由“数据－有限元分析－数据”转变为“图形－有限元分析－图形”,结合现场监控技术和工程稳定分析,能及时地指导工程设计和施工。以某水电站地下厂房洞室群岩体力学参数反演为例,说明了该软件的实用性。 相似文献
8.
把模式搜索嵌入目前广为应用的遗传算法中,使之和神经网络有机结合,提出了搜索—遗传—神经网络算法。该方法用经过最佳预测学习算法训练的神经网络来表达粘弹性岩体力学参数和位移之间的映射关系,除具有一般遗传算法的优点外,还提高了参数反演的精度,节省了参数反演的计算时间。结合某工程实例,验证了该方法在粘弹性岩体力学参数反演中的优越性。 相似文献
9.
Parker快速富氏变换反演单一密度界面存在两方面问题：一是求解目标界面重力异常难度较大;二是受正演速度及反演参量维数的限制,不能对界面进行精细划分.拟神经网络BP算法的引入,首先解决了快速三维正演问题,又突破了反演参量维数的限制,实现快速收敛,有效解决两个或多个密度界面的反演问题.在实际应用中,先用密度“补偿法”正演求取剩余生力异常,然后利用拟神经网络BP算法同时反演两个二维密度界面,拟合求得两个界面的深度异常,在此基础上预测煤田. 相似文献
10.
11.
岩溶水系统的径向基神经网络仿真 总被引：1，自引：0，他引：1
岩溶水系统的复杂性决定了其输入与输出间具有非常复杂的非线性关系,利用人工神经网络方法进行系统的仿真是一种十分有效的手段。本文以MATLAB为平台,介绍了RBF网络的基本原理与训练方法,具有结构自适应确定、输出不依赖初始权值的优良特性。试用该方法建立了济南市岩溶水系统地下水位及其影响因子间的RBF网络模型,讨论了训练样本集与检测样本集的构建、原始数据的预处理方法、神经网络训练误差设置等重要环节,并与同结构的BP网络进行了对比,其结果BP网络效果依赖初始权值,表现出极不稳定性,且训练速度更慢,RBF网络具有更好的应用价值。 相似文献
12.
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
13.
为提高多种典型人工神经网络应用于降水预报的精度与稳定性并做出优选,对太湖流域湖西区丹徒、丹阳、金坛、溧阳、宜兴5站的年降水量时间序列建立基于组成成分分析的人工神经网络模型,并通过平均相对误差、平均绝对误差、均方根误差及合格率4项评价指标对比分析预报效果。该模型采用Mann-Kendall法、秩和检验法、谱分析法进行组成成分分析;建立BP网络、小波神经网络、RBF网络、GRNN网络及Elman网络模拟并预测随机成分,与确定性成分叠加得年降水量预报结果。在湖西区的研究结果表明,基于组成成分分析的人工神经网络模型的拟合及预测精度高于原始人工神经网络和线性自回归模型,GRNN网络的预测精度与稳定性高于其他4类神经网络。 相似文献
14.
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
15.
16.
基于神经网络的地质勘测反分析研究 总被引：1，自引：0，他引：1
针对地质勘查中,土的力学参数的确定及土的分类这两类复杂问题,根据反问题理论的基本原理,提出了一种基于回归分析与RBF神经网络结合的新型智能方法,建立了从土的力学参数估计到模型分类的完整智能化分析系统。考虑到土的物理参数测定方法比较简单,且实测变异性小,而力学参数实测变异性大的特点,利用RBF神经网络的数值逼近的特性,建立了神经网络模型来逼近两者之间的函数关系,可以有效地反演力学参数。同时,利用RBF神经网络所具有的模式识别功能,为地质勘察中土层划分提供依据。通过对黄石地区岩土勘查资料的分析与预测表明,该方法简捷有效。 相似文献
17.
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
18.
文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。 相似文献