共查询到17条相似文献，搜索用时 140 毫秒
1.
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
2.
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
3.
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
4.
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
5.
似海底反射层的速度异常是识别天然气水合物的重要标志,这里提出了一种针对天然气水合物似海底反射层的全波形反演方法。这种方法分为全局搜索与局部搜索二部份:首先使用遗传算法进行旅行时,反演得到背景速度模型;然后用其作为初始模型,使用共轭梯度算法进行全波形反演。通过对含噪数据的数值试验,算法表现出了较高的稳定性,并确定了进行全波形反演的遗传算子。将这种波形反演方法应用于我国南海北部海域的天然气水合物研究,反演得到了分辨率高于常规速度分析的似海底反射层速度结构,并识别出似海底反射层的速度异常。利用纵波速度反演的结果,计算出沉积物中游离气的含量,认为BSR下方的低速层可以解释为含至少1%游离气的薄层。并分析了研究区内甲烷气的来源,认为该区域游离气兼有生物气和热解气。 相似文献
6.
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
7.
通过分析微动探查方法和改进神经网络迭代反演算法,提出采用改进的神经网络迭代反演微动面波频散曲线。该方法在网络训练学习阶段通过批处理学习和优化网络结构提高网络学习速度;在迭代反演阶段通过vR/λR-f曲线极值点的变化来调整输入模型以减少迭代反演次数;最后设计反演方案,并对6层介质模型进行频散曲线的网络训练和迭代反演,验证了方法的有效性。对比分析结果表明：该方法明显减少了迭代反演次数,提高了收敛速度,而且具有良好的抗干扰能力。 相似文献
8.
基于粒子迁徙的粒群优化算法及其在岩土工程中的应用 总被引：3，自引：1，他引：2
受自然界物种迁徙的启发,提出了一种新的改进的粒群优化算法(MPSO)。算法初始化时,将粒子随机地划分为若干个子粒群,每个子粒群按照给定的策略独立演化,在演化中的指定时段进行粒子的随机迁徙和自适应变异,以保持整个种群的多样性,避免早熟收敛。基准测试函数的计算结果表明,MPSO算法的性能优于其他几种改进算法。堆石体幂函数流变模型,参数较多,具有很强的非线性,将MPSO算法应用到堆石体幂函数流变模型的参数反演中。计算结果表明,利用反演的流变模型参数计算的坝体流变变形与实测变形在发展规律和数值上均比较吻合,证明MPSO算法在多参数、强非线性的复杂模型参数反演中的优越性。 相似文献
9.
10.
11.
An intelligent method for the effective displacement back-analysis of earth-rockfill dams was proposed by combining artificial neural networks and evolutionary calculation. This method employs artificial neural networks, with optimal architecture trained by the evolutionary calculation and Vogl’s algorithm, instead of the time-consuming finite element analysis. In the back analysis, the soil parameters were optimized by performing evolutionary calculations on the tested neural network. The proposed method was verified by applying it to the displacement back-analysis of two projects in China, and the influence of generation number and set size on the simulation ability of neural networks was investigated. 相似文献
12.
Displacement back analysis is a common method to identify mechanical geo‐material parameters using the monitored displacement. How to obtain a global optimum solution in large space search of highly non‐linear multimodal is a key point of optimum back analysis. The paper presents a new back analysis that is an integration of evolutionary support vector machines (SVMs), numerical analysis and genetic algorithm. The non‐linear relationship between the mechanical geo‐material parameters to be identified and the corresponding displacement values of key points is learned and represented by evolutionary SVMs in global optimum. Numerical analysis is used to create training and testing samples for recognition of SVMs. Then, performing a global optimum search on the obtained SVMs using genetic algorithm can identify the mechanical geo‐material parameters. The proposed algorithm is tested by back analysis of an elastic plate and an elastic–plastic plate and used to recognize mechanical parameters of subclay, strongly weathered tuff and weakly weathered tuff of Bachimen slope, Funing expressway, Fujian, China. The results indicate that applicability of the proposed algorithm with enough accuracy. Copyright © 2004 John Wiley & Sons, Ltd. 相似文献
13.
基于灰色-进化神经网络的滑坡变形预测研究 总被引：15，自引：3，他引：15
滑坡变形位移预测对滑坡灾害治理具有重要的意义。考虑到滑坡位移单调增长的特殊性，根据位移分解原理，采用灰色系统提取位移趋势，用基于免疫进化规划的新型进化神经网络模型逼近位移偏差，从而提出了1种滑坡位移预测的新型智能方法。并用新滩滑坡的实测位移预测研究证明了所提智能预测方法的有效性及可行性 相似文献
14.
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
15.
16.
滑坡位移的多模态支持向量机模型预测 总被引：1，自引：0，他引：1
将支持向量机（support vector machine,SVM）方法与信号分析中的经验模态分解（empirical mode decomposition, EMD）方法相匹配,提出了一种通过多模态支持向量机函数回归分析建模预测滑坡位移的理论方法。以边坡位移历史观测数据为基础,应用EMD方法获得滑坡形成过程中位移演化的几个特征时间模态,构成了多模态信息统计学习样本,确定了边坡位移演化的自适应多尺度变化信息。对应于每个经验模态的位移变化信息,引入了多模态SVM建模方法,然后合成不同经验模态下边坡位移的计算结果,得到滑坡位移的预测值。以卧龙寺新滑坡和新滩滑坡的监测数据为基础的理论预测结果表明,与采用遗传算法的神经网络方法的预测结果相比,支持向量机经验模态方法具有更强的预测能力,理论预测结果与实际监测值具有很好的一致性 相似文献
17.
大型地下洞室考虑开挖卸荷效应的位移反分析 总被引：3，自引：1，他引：2
基于现场监测资料的位移反分析是地下工程动态监控、信息化施工的重要组成部分。以乌江彭水水电站大型地下厂房（开挖跨度为30 m,高度为78.5 m）为例,从围岩实测位移出发,建立了基于均匀设计－神经网络－遗传算法的围岩力学参数的系统反分析方法,反演考虑开挖卸荷效应的围岩力学参数。根据数值分析结果形成训练样本,利用BP人工神经网络映射围岩的变形与力学参数的关系,同时针对传统人工神经网络存在初始权值难以确定的问题,应用遗传算法优化神经网络的初始权值;利用现场监测的增量变形反演了围岩的力学参数;最后利用反演出的参数,进行地下厂房开挖预测分析。结果表明,预测位移与现场监测位移较为接近,进行统计检验结果为优,说明该参数反演方法是正确合理的。 相似文献