勘察科学技术
勘察科學技術
감찰과학기술
SITE INVESTIGATION SCIENCE AND TECHNOLOGY
2010年
5期
28-31
,共4页
神经网络%附加动量法%自适应学习速率%L-M优化算法%沉降预测
神經網絡%附加動量法%自適應學習速率%L-M優化算法%沉降預測
신경망락%부가동량법%자괄응학습속솔%L-M우화산법%침강예측
针对传统的BP神经网络存在的缺点,提出了用附加动量法、自适应学习速率和L-M优化算法等几种算法进行优化.通过对比分析,证明了采用L-M优化和附加动量因子算法相结合取得了最优的预测效果.该方法克服了BP神经网络模型存在的收敛速度慢、易陷入局部极小点的缺点.结合现场实测数据,将该优化模型与传统的BP神经网络预测模型对比,预测结果表明改进的 BP神经网络在路基沉降预测中精度最高,适宜广泛采用.
針對傳統的BP神經網絡存在的缺點,提齣瞭用附加動量法、自適應學習速率和L-M優化算法等幾種算法進行優化.通過對比分析,證明瞭採用L-M優化和附加動量因子算法相結閤取得瞭最優的預測效果.該方法剋服瞭BP神經網絡模型存在的收斂速度慢、易陷入跼部極小點的缺點.結閤現場實測數據,將該優化模型與傳統的BP神經網絡預測模型對比,預測結果錶明改進的 BP神經網絡在路基沉降預測中精度最高,適宜廣汎採用.
침대전통적BP신경망락존재적결점,제출료용부가동량법、자괄응학습속솔화L-M우화산법등궤충산법진행우화.통과대비분석,증명료채용L-M우화화부가동량인자산법상결합취득료최우적예측효과.해방법극복료BP신경망락모형존재적수렴속도만、역함입국부겁소점적결점.결합현장실측수거,장해우화모형여전통적BP신경망락예측모형대비,예측결과표명개진적 BP신경망락재로기침강예측중정도최고,괄의엄범채용.