港工技术
港工技術
항공기술
PORT ENGINEERING TECHNOLOGY
2010年
5期
46-50
,共5页
沉降预测%BP神经网络%遗传优化%遗传算法
沉降預測%BP神經網絡%遺傳優化%遺傳算法
침강예측%BP신경망락%유전우화%유전산법
针对传统BP神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的BP神经网络预测方法,采用遗传算法优化BP神经网络的初始权重,建立路基沉降预测模型.该模型可克服BP神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点.结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统BP神经网络预测模型对比,结果表明改进的BP神经网络在路基沉降预测中精度最高,适宜于广泛推广应用.
針對傳統BP神經網絡存在的缺點,提齣基于遺傳優化的變梯度反嚮傳播的BP神經網絡預測方法,採用遺傳算法優化BP神經網絡的初始權重,建立路基沉降預測模型.該模型可剋服BP神經網絡模型存在的收斂速度慢、易陷入跼部極小點等缺點.結閤現場實測數據,將該優化模型與指數麯線模型、雙麯線模型、灰色預測模型和傳統BP神經網絡預測模型對比,結果錶明改進的BP神經網絡在路基沉降預測中精度最高,適宜于廣汎推廣應用.
침대전통BP신경망락존재적결점,제출기우유전우화적변제도반향전파적BP신경망락예측방법,채용유전산법우화BP신경망락적초시권중,건립로기침강예측모형.해모형가극복BP신경망락모형존재적수렴속도만、역함입국부겁소점등결점.결합현장실측수거,장해우화모형여지수곡선모형、쌍곡선모형、회색예측모형화전통BP신경망락예측모형대비,결과표명개진적BP신경망락재로기침강예측중정도최고,괄의우엄범추엄응용.
