排序方式: 共有34条查询结果,搜索用时 0 毫秒
31.
32.
针对目前的地铁隧道沉降变形预测方法忽略了对沉降变形影响因素的综合协调考虑这一问题,该文将遗传算法(GA)结合极限学习机(ELM)的方法引入地铁隧道沉降变形预测。该方法借助最大信息熵理论,充分挖掘地铁隧道沉降主要影响因素与沉降量间的信息特征,并将遗传算法与极限学习机相耦合,利用遗传算法的全局搜索能力获取ELM神经网络优化的初始权值和阈值,形成熵权遗传算法-极限学习机模型,并编制相应计算程序。采用该模型对西安某地铁隧道沉降变形进行预测,并与遗传算法-极限学习机、极限学习机、传统的BP神经网络预测结果进行比较,结果表明熵权遗传算法-极限学习机模型与实测值吻合更好,预测结果更稳定。 相似文献
33.
????????????????????????β?????????????????????о??????????????????????????????????????????????????????5????β???????????????????5?????????μ?????????????????????Ч?????????????????????????????????????????????????????????? 相似文献
34.
为提高GM(1,1)模型在危岩体变形位移分析中的预测精度,本文提出一种背景值重构和初始条件修正的灰色双重优化模型。该模型采用积分的形式重构了一个表达简洁、计算简单、适应性强的背景值计算公式,根据新信息优先原理将x(1)(n)作为灰色模型的初始条件,将双重优化后的GM(1,1)模型应用于长江链子崖危岩体变形位移预测,并与传统模型和单一优化模型的预测结果进行比较,发现双重优化的GM(1,1)模型预测结果更接近于实际,是危岩体变形预测的一种有效方法。 相似文献