共查询到20条相似文献,搜索用时 187 毫秒
1.
根据盾构施工引起地表沉降的具体问题,结合广州地铁三号线某区间地质资料,建立了地表沉降预测的BP神经网络模型,并对网络进行了训练和测试,测试结果表明,利用神经网络进行盾构隧道施工的地表沉降预测是可行的,可用于工程实践。 相似文献
2.
地下开采引起的地表沉降大致呈S形发展,最终趋于稳定状态,这能够运用生长曲线Richards函数进行预测分析。同时,又因为测量和外界存在不确定性和随机性,使得地表沉降也具有动态的特征。针对地下岩矿开采矿区地表沉降曲线与Richards预测模型曲线的相似性,分析了Richards模型在地表沉降预测中的适用性,提出通过Richards生长曲线模型预测矿区地表沉降的趋势性变形部分,利用BP神经网络模型降低地表沉降的随机性影响部分,提高模型预测效果。计算结果证明了其在地表沉降预测中的适用性和可行性。 相似文献
3.
4.
5.
《筑路机械与施工机械化》2019,(2)
针对煤矸石路堤沉降预测问题,基于BP神经网络非线性映射能力和学习能力,提出学习率可变的动量BP神经网络以预测常安高速公路煤矸石路堤沉降。利用实测沉降资料建立路堤沉降模型,该模型克服了动量BP神经网络收敛速度慢、训练时间长的缺点。同时采用postreg函数对网络训练结果进行了检验。结果表明:该模型有较高的预测精度,预测误差较小,可用于煤矸石路堤沉降预测。 相似文献
6.
《公路交通科技》2020,(7)
为在岩土工程设计和施工中获得更加合理、可靠的岩体力学参数,改善BP神经网络算法存在的收敛速度慢、依赖初值等不足,采用GA-BP神经网络方法,对隧道围岩力学参数反演进行了研究。依托江西省萍莲高速公路莲花隧道工程,选取右洞YK35+095~YK35+135段作为模拟对象,利用FLAC3D有限差分法,按照微台阶法开挖,构建三维数值计算模型;设计了25组围岩力学参数的正交试验,代入已建立的数值模型,得到系列拱顶沉降、周边位移以及地表沉降值,由此构造了神经网络的样本;采用遗传算法和神经网络相结合,其中遗传算法种群规模取值30,最大遗传代数取值25,交叉概率取值0.8,变异概率取值0.01,通过网络训练,得到了训练成熟的GA-BP神经网络,建立了待反演的围岩力学参数与位移之间的映射关系;将莲花隧道YK35+115断面实测的拱顶沉降、周边位移和地表沉降值,输入到已训练成熟的GA-BP神经网络模型中,输出得到围岩的弹性模量、泊松比、黏聚力、内摩擦角等参数。结果表明:采用GA-BP神经网络反演获得的围岩力学参数,代入到FLAC3D数值模型中正演计算,得到拱顶沉降、周边位移和地表沉降与现场实测值仅相差2.94%,3.16%和4.86%,误差较小;基于GA-BP神经网络的隧道围岩力学参数反演方法精度较高。 相似文献
7.
8.
9.
10.
11.
在地铁隧道建设过程中,渣土改良效果是影响盾构掘进速度的关键因素。为确保盾构顺利掘进,以坍落度试验、渗透试验和电阻率测试的结果作为数据样本集,根据深度学习领域常用的数据划分方法将训练集、验证集和预测集按照6∶2∶2进行划分,基于BP神经网络建立渣土改良效果的预测模型,对南昌地区富水砂层进行渣土改良效果预测,并将预测值和实际值进行对比分析。研究结果表明:
坍落度、渗透系数、内摩擦角在模型学习过程中的平均预测值分别为1728 mm、3355×10-6 cm/s、216°,相对误差平均值分别为176%、453%和360%; 预测集的输出结果与实测值的部分数据重合,三者的平均误差均在5%以内,可决系数R2值分别为088、090和085,表明该神经网络结构属于高精度模型。预测结果的误差均在现场渣土改良的允许误差范围内,可见BP神经网络模型能够对渣土改良的效果进行精准预测。 相似文献
12.
13.
14.
轨道交通短时客流具有随机性和非线性的特点。为提高轨道交通短时客流预测结果的准确度,研究了基于改进的灰狼优化算法(IGWO)与BP神经网络的短时客流预测算法(IGWO-BP)。计算轨道交通客流不同时间序列的相关系数,确定了BP神经网络的输入和输出方式;用余弦思想和动态权重策略对原始灰狼优化算法改进,提高算法的全局搜索能力和寻优效率;用IGWO算法优化BP神经网络的初始权值和阈值,提高短时客流预测结果的准确性。预测了西安轨道交通2号线龙首原站周三早高峰15 min时间粒度的短时客流量,并将IGWO-BP算法的预测结果与其他5种模型(KF,GM,SVM,BPNN,GWO-BP)比较。结果表明,IGWO-BP算法的均方根误差为89.65,平均绝对百分比误差为1.16%,预测结果的精度和稳定性均为最优。 相似文献
15.
16.
在分析钢渣土强度影响因素基础上,选取钢渣龄期、钢渣细度、钢渣掺量3种主要因素作为人工神经网络的输入值,钢渣土7天无侧限抗压强度作为输出值,建立了钢渣土强度预测的BP网络模型。研究结果表明:训练BP神经网络时,17组自变量数据中无侧限抗压强度的网络拟合值与实测值基本重合,误差为-4.054%~3.214%。BP网络方法应用于钢渣土强度的预测方面具有较高的精度,预测与实测结果最大相差为0.02 MPa,最大误差为5.556%,可见,基于3参数的BP神经网络模型在钢渣稳定土新型路床材料7天无侧限抗压强度中的应用 相似文献
17.
18.
基于改进BP神经网络的柴油机故障诊断研究 总被引:5,自引:0,他引:5
根据柴油发动机故障与征兆之间关系来建立一种采用BP算法前馈型神经网络结构,然而采用标准BP算法对神经网络训练进行训练,但存在收敛速度慢等问题。因此,又采用添加动量项和自适应学习速率两种方法对标准BP算法进行改进,并将改进的BP算法运用于神经网络训练,结果表明改进的BP神经网络能够改善收敛速度慢的缺点,而且预测故障效果较好。 相似文献
19.
针对传统BP神经网络模型收敛速度慢的缺陷,对其进行改进,以提高收敛速度。经运用厦门港物流出口量的历史数据进行检验分析,给出BP神经网络仿真计算方法,其仿真结果与实际结果比较,具有较高的可信度。证明了改进后的模型加快了收敛速度,提高预测结果的准确性。 相似文献