基于遗传算法和神经网络的润扬长江大桥深基坑变形预测

针对深基坑变形问题,用遗传算法优化BP神经网络的初始权重,建立了GA-BP神经网络深基坑变形预测模型,克服了BP神经网络收敛速度慢、易陷入局部极小点的缺点。利用模型对润扬长江公路大桥南锚碇深基坑变形进行分析,并对模型拟合结果进行了检验,结果表明深基坑变形和支撑轴力具有一致响应趋势,预测模型性能良好,预测精度较高,简便易行。     

新型智能算法在基坑变形监测中的应用

针对BP神经网络的缺陷,结合混沌优化算法对其进行改进。基于改进后的BP网络,建立了基坑变形预测的模型。在润扬长江大桥南锚锭基坑工程中的应用表明该方法具有较高的精度,可以在工程中推广应用。     

遗传算法和ICBP神经网络预测深基坑支撑轴力

采用ICBP神经网络,并用遗传算法对网络结构进行优化,建立混合遗传算法和ICBP神经网络预测模型,对深基坑开挖进程中的支撑轴力进行分析预测,并通过工程实例验证了模型的正确性。     

应用灰色神经网络组合模型预测深基坑变形

将GM(1,1)模型与神经网络算法相结合建立灰色神经网络组合模型应用于深基坑工程变形预测。以润扬长江公路大桥深基坑工程的监测数据为例进行预测分析,结果表明:组合模型比GM(1,1)模型有更大的适应性,对于复杂非线性变化的数据预测精度高,可较好地预测深基坑变形。