现代隧道技术
現代隧道技術
현대수도기술
MODERN TUNNELLING TECHNOLOGY
2013年
5期
105-111
,共7页
地铁隧道%沉降预测%网络层次分析法%BP神经网络
地鐵隧道%沉降預測%網絡層次分析法%BP神經網絡
지철수도%침강예측%망락층차분석법%BP신경망락
Metro tunnel%Settlement prediction%ANP%BP neural network
文章针对地铁隧道沉降的复杂性和不确定性,深入分析了地铁隧道沉降的主要影响因素；运用网络层次分析法(ANP)的超决策(Super Decisions,下称SD)软件求解方法求得各影响因素的权重;并以此作为BP神经网络的初始权重,通过训练网络对该权重进行微调;在此基础上,提出了综合考虑各因素、各层次之间相互反馈和影响的ANP-BP模型.据此模型对西安地铁隧道沉降进行预测,通过与遗传算法和粒子群算法优化BP神经网络的对比试验分析,该模型体现出了适应性强、收敛快、精度高的优势,取得了很好的预测效果.
文章針對地鐵隧道沉降的複雜性和不確定性,深入分析瞭地鐵隧道沉降的主要影響因素；運用網絡層次分析法(ANP)的超決策(Super Decisions,下稱SD)軟件求解方法求得各影響因素的權重;併以此作為BP神經網絡的初始權重,通過訓練網絡對該權重進行微調;在此基礎上,提齣瞭綜閤攷慮各因素、各層次之間相互反饋和影響的ANP-BP模型.據此模型對西安地鐵隧道沉降進行預測,通過與遺傳算法和粒子群算法優化BP神經網絡的對比試驗分析,該模型體現齣瞭適應性彊、收斂快、精度高的優勢,取得瞭很好的預測效果.
문장침대지철수도침강적복잡성화불학정성,심입분석료지철수도침강적주요영향인소；운용망락층차분석법(ANP)적초결책(Super Decisions,하칭SD)연건구해방법구득각영향인소적권중;병이차작위BP신경망락적초시권중,통과훈련망락대해권중진행미조;재차기출상,제출료종합고필각인소、각층차지간상호반궤화영향적ANP-BP모형.거차모형대서안지철수도침강진행예측,통과여유전산법화입자군산법우화BP신경망락적대비시험분석,해모형체현출료괄응성강、수렴쾌、정도고적우세,취득료흔호적예측효과.
