四川建筑科学研究
四川建築科學研究
사천건축과학연구
2014年
1期
172-175
,共4页
隧道工程%神经网络%遗传算法%预测%优化
隧道工程%神經網絡%遺傳算法%預測%優化
수도공정%신경망락%유전산법%예측%우화
tunnel%neural network%genetic algorithm%prediction%optimization
神经网络预测技术一直是隧道学术界和工程界关注的关键课题.传统的神经网络对初始权值的依赖性很大,不同的初始值会导致差异很大的预测结果,并且初始值选择有很大的随机性和盲目性,往往导致网络振荡或不收敛.根据经典遗传算法的优势,对神经网络初始值进行优化,完成PB训练样本并建立非线性预测模型,避免了神经网络对初始权值的依赖性过大而引起计算误差.研究表明,GA-BP神经网络遗传算法适用于预测高速公路隧道断层破碎带围岩变形量,与现场试验数据相吻合,验证了GA-BP神经网络遗传算法工程应用的可行性,提高了预测的精度及避免人为误差.隧道洞周变形主要集中在开挖后12天,在此时间内应加强监控量测频率,以避免隧道过大变形引起坍方事故.
神經網絡預測技術一直是隧道學術界和工程界關註的關鍵課題.傳統的神經網絡對初始權值的依賴性很大,不同的初始值會導緻差異很大的預測結果,併且初始值選擇有很大的隨機性和盲目性,往往導緻網絡振盪或不收斂.根據經典遺傳算法的優勢,對神經網絡初始值進行優化,完成PB訓練樣本併建立非線性預測模型,避免瞭神經網絡對初始權值的依賴性過大而引起計算誤差.研究錶明,GA-BP神經網絡遺傳算法適用于預測高速公路隧道斷層破碎帶圍巖變形量,與現場試驗數據相吻閤,驗證瞭GA-BP神經網絡遺傳算法工程應用的可行性,提高瞭預測的精度及避免人為誤差.隧道洞週變形主要集中在開挖後12天,在此時間內應加彊鑑控量測頻率,以避免隧道過大變形引起坍方事故.
신경망락예측기술일직시수도학술계화공정계관주적관건과제.전통적신경망락대초시권치적의뢰성흔대,불동적초시치회도치차이흔대적예측결과,병차초시치선택유흔대적수궤성화맹목성,왕왕도치망락진탕혹불수렴.근거경전유전산법적우세,대신경망락초시치진행우화,완성PB훈련양본병건립비선성예측모형,피면료신경망락대초시권치적의뢰성과대이인기계산오차.연구표명,GA-BP신경망락유전산법괄용우예측고속공로수도단층파쇄대위암변형량,여현장시험수거상문합,험증료GA-BP신경망락유전산법공정응용적가행성,제고료예측적정도급피면인위오차.수도동주변형주요집중재개알후12천,재차시간내응가강감공량측빈솔,이피면수도과대변형인기담방사고.
