[1]潘秀艳.基于GA-ANN算法的层状路基土参数预测模型[J].水利与建筑工程学报,2014,(01):34-38.
点击复制

基于GA-ANN算法的层状路基土参数预测模型()
分享到:

《水利与建筑工程学报》[ISSN:1672-1144/CN:61-1404/TV]

卷:
期数:
2014年01期
页码:
34-38
栏目:
出版日期:
2014-02-28

文章信息/Info

作者:
潘秀艳;
辽宁省公路勘测设计公司;
关键词:
层状地基BP神经网络遗传算法变形有效附加应力
文献标志码:
A
摘要:
将BP神经网络和遗传算法两种智能方法结合起来,建立起自适应遗传算法-BP神经网络系统。利用土工试验得到的不同土层物理力学参数汇总整理形成的试验数据作为样本值,对路基土层物理力学参数进行了预测,将预测结果和单独使用BP神经网络时的预测结果进行了对比分析。结果表明:当样本数据离散性小时,这两种预测方法均能取得理想的预测效果,自适应遗传算法-BP神经网络系统还具有有效防止"过训练"和提高网络自身的泛化能力;当样本规模大,且样本数据具有一定的离散性时,网络系统的预测优势能更好地体现出来。更多还原

参考文献/References:

[1] Researchondamdeformationforecastmodelbasedongenetic algorithmneuralnetwork[C]//Proceedingsofthe8thInterna tionalSymposium onTestandMeasurement(Volume3), 2009.
[2] KerhT,YeeYC.Analysisofadeformedthreedimensional culvertstructureusingneuralnetworks[J].AdvancesinEn gineeringSoftware,2003,31(5):367375.
[3] KozaJR.Geneticprogramming:ontheprogrammingofcom puterbymeansofnaturalsection[M].Cambridge:MIT press,1992.
[4] KozaJR.Geneticprogramming:automaticdiscoveryof reusableprograms[M].Cambridge:MITpress,1994.
[5] ChingFangLiaw.Ahybridgeneticalgorithmfortheopen shopschedulingproblem[J].EuropeanJournalofOperational RESEArch,2000,124(1):2842.
[6] 朱红霞,阎澍旺.ELMAN神经网络在软土地基沉降预 测中的应用[J].港工技术,2004,(2):4446.
[7] 李天降.软土地基处理方法对沉降的影响因素分析与 沉降预测研究[D].西安:长安大学,2006.
[8] 周开利,康耀红.神经网络模型及其MATLAB仿真程序 设计[M].北京:清华大学出版社,2006.
[9] 闻新,周露,李翔,等.MATLAB神经网络仿真与 应用[M].北京:科学出版社,2003.
[10] AdeliH.Neuralnetworksincivilengineering:1989—2000 [J].ComprterAidedCivilandInfrastructureEngineering, 2001,16:126142.
[11] HaganMT,DemuthHB.&BealeM.Neuralnetworkde sign[M].Boston,MA:PWSPublishingCo,1995.
[12] KawamuraH,OhmoriH,KitoN.Trusstopologyoptimiza tionbyamodifiedgeneticalgorithm[J].StructuralandMul tidisciplinaryOptimization,2002,23(6):467472.
[13] 施建勇.地基基础理论及应用[M].南京:河海大学出 版社,2002:3337.
[14] 胡伟,刘明振.非饱和土中球形孔扩张的弹塑性分 析[J].岩土工程学报,2006,28(10):12921297.
[15] 鹿群.成层地基中静压桩挤土效应及防治措施[D]. 杭州:浙江大学,2007.
[16] 赵明华,徐学燕.基础工程[M].北京:高等教育出版 社,2010:220222.

相似文献/References:

[1]陈勇.土岩组合地区基坑变形的预测方法研究[J].水利与建筑工程学报,2013,(05):97.
[2]马家超,朱珍德,朱姝,等.基于小波分析以及ε-SVR的隧道围岩位移时序预测[J].水利与建筑工程学报,2013,(02):90.
[3]徐南,吴彦,孟春晨,等.基于遗传优化BP神经网络的GPS高程异常拟合模型研究[J].水利与建筑工程学报,2013,(02):115.
[4]刘浩,徐南.基于小波神经网络的GPS高程异常拟合模型探究[J].水利与建筑工程学报,2013,(02):182.
[5]王志斌,麻凤海,张碧雪,等.长春地铁暗挖隧道围岩参数智能位移反分析[J].水利与建筑工程学报,2015,(05):122.[doi:10.3969/j.issn.1672-1144.2015.05.024]
[6]许健,冯灿,王掌权.基于BP神经网络的重塑黄土冻融过程 抗剪强度劣化特性研究[J].水利与建筑工程学报,2016,(06):13.[doi:10.3969/j.issn.1672-1144.2016.06.003]
[7]许健,冯灿,王掌权.基于BP神经网络的重塑黄土冻融过程渗透特性研究[J].水利与建筑工程学报,2017,(05):51.[doi:10.3969/j.issn.1672-1144.2017.05.009]
[8]郭彦,王平,侯素珍,等.基于BP神经网络的黄河内蒙古河段过流能力预测[J].水利与建筑工程学报,2021,(03):246.[doi:10.3969/j.issn.1672-1144.2021.03.038]
[9]曹锦阳,刘梦,李嘉铮,等.基于随机森林和卷积神经网络的风-光伏-抽水蓄能电站联合优化运行[J].水利与建筑工程学报,2023,(04):30.[doi:10.3969/j.issn.1672-1144.2023.08.005]
[10]曹玉新,寇帅,霍曼琳,等.基于BP神经网络的地铁车站早龄期混凝土热学参数反演分析[J].水利与建筑工程学报,2024,(05):145.[doi:10.3969/j.issn.1672-1144.2024.05.021]

更新日期/Last Update: 1900-01-01