长沙理工大学学报（自然科学版）
長沙理工大學學報（自然科學版）
장사리공대학학보（자연과학판）
Journal of Changsha University of Science and Technology(Natural Science)
2010年
2期
6-11
,共6页
道路工程%沉降预测%小波神经网络%高路堤%BP神经网络%S型成长模型
道路工程%沉降預測%小波神經網絡%高路隄%BP神經網絡%S型成長模型
도로공정%침강예측%소파신경망락%고로제%BP신경망락%S형성장모형
利用小波变换良好的时频局域化性质和神经网络的自学习功能,结合S型成长曲线模型,建立了基于小波神经网络的高速公路高填方路基沉降预测模型,该模型的应用避免了计算过程中各种人为因素的影响.通过对汝(城)郴(州)高速公路K59+375～K59+445高路堤沉降现场监测数据的学习、预测与检验,并与S型成长曲线模型和BP神经网络的预测结果相比较,结果表明,组合模型的预测精度高,与实际情况相吻合.
利用小波變換良好的時頻跼域化性質和神經網絡的自學習功能,結閤S型成長麯線模型,建立瞭基于小波神經網絡的高速公路高填方路基沉降預測模型,該模型的應用避免瞭計算過程中各種人為因素的影響.通過對汝(城)郴(州)高速公路K59+375～K59+445高路隄沉降現場鑑測數據的學習、預測與檢驗,併與S型成長麯線模型和BP神經網絡的預測結果相比較,結果錶明,組閤模型的預測精度高,與實際情況相吻閤.
이용소파변환량호적시빈국역화성질화신경망락적자학습공능,결합S형성장곡선모형,건립료기우소파신경망락적고속공로고전방로기침강예측모형,해모형적응용피면료계산과정중각충인위인소적영향.통과대여(성)침(주)고속공로K59+375～K59+445고로제침강현장감측수거적학습、예측여검험,병여S형성장곡선모형화BP신경망락적예측결과상비교,결과표명,조합모형적예측정도고,여실제정황상문합.
