金属矿山
金屬礦山
금속광산
METAL MINE
2013年
3期
9-13
,共5页
巷道围岩%变形模量%预测%GA-BPNN
巷道圍巖%變形模量%預測%GA-BPNN
항도위암%변형모량%예측%GA-BPNN
研究了遗传算法(GA)在设计和优化BPNN结构时的效能和它在预测岩体变形模量的应用,利用GA找到隐藏层神经元的最优数量以及隐含与输出层的学习因子和动量因子,然后和试错过程进行比较.采用了来源于实际巷道测量的76组数据集验证该方法.利用MSE,MAE,R等性能标准,证明GA-BPNN模型在岩体变形模量预测方面优于BPNN试错模型.
研究瞭遺傳算法(GA)在設計和優化BPNN結構時的效能和它在預測巖體變形模量的應用,利用GA找到隱藏層神經元的最優數量以及隱含與輸齣層的學習因子和動量因子,然後和試錯過程進行比較.採用瞭來源于實際巷道測量的76組數據集驗證該方法.利用MSE,MAE,R等性能標準,證明GA-BPNN模型在巖體變形模量預測方麵優于BPNN試錯模型.
연구료유전산법(GA)재설계화우화BPNN결구시적효능화타재예측암체변형모량적응용,이용GA조도은장층신경원적최우수량이급은함여수출층적학습인자화동량인자,연후화시착과정진행비교.채용료래원우실제항도측량적76조수거집험증해방법.이용MSE,MAE,R등성능표준,증명GA-BPNN모형재암체변형모량예측방면우우BPNN시착모형.
