科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2008年
13期
3539-3543
,共5页
改进的BP神经网络%软土路基%沉降量
改進的BP神經網絡%軟土路基%沉降量
개진적BP신경망락%연토로기%침강량
人工神经网络具有较强的非线性映射能力和学习能力,通过改进神经网络的BP算法,提高了BP算法的学习收敛速度和网络性能的稳定性.基于改进的BP神经网络模型,建立了可依据现场量测信息对软基路堤沉降量随时间而发展的过程进行动态预报的分析方法.此方法利用实测资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、预测的沉降量误差小.
人工神經網絡具有較彊的非線性映射能力和學習能力,通過改進神經網絡的BP算法,提高瞭BP算法的學習收斂速度和網絡性能的穩定性.基于改進的BP神經網絡模型,建立瞭可依據現場量測信息對軟基路隄沉降量隨時間而髮展的過程進行動態預報的分析方法.此方法利用實測資料直接建模,避免瞭傳統方法計算過程中各種人為因素的榦擾,所建立的模型預測精度高、預測的沉降量誤差小.
인공신경망락구유교강적비선성영사능력화학습능력,통과개진신경망락적BP산법,제고료BP산법적학습수렴속도화망락성능적은정성.기우개진적BP신경망락모형,건립료가의거현장량측신식대연기로제침강량수시간이발전적과정진행동태예보적분석방법.차방법이용실측자료직접건모,피면료전통방법계산과정중각충인위인소적간우,소건립적모형예측정도고、예측적침강량오차소.
