欢迎来到天天文库
浏览记录
ID:34628748
大小:191.98 KB
页数:6页
时间:2019-03-08
《边坡位移预测的rbf神经网络方法》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、第25卷增1岩石力学与工程学报Vol.25Supp.12006年2月ChineseJournalofRockMechanicsandEngineeringFeb.,2006边坡位移预测的RBF神经网络方法沈强,陈从新,汪稔(中国科学院武汉岩土力学研究所,湖北武汉430071)摘要:利用边坡实测位移序列来预测边坡未来时间的位移,可以有效地判断边坡的稳定性。由于神经网络可以通过对样本的反复学习来反映边坡复杂的非线性演化关系,其预测效果要优于传统的预测方法。RBF神经网络作为一种性能良好的前馈网络,具有更好的逼近能力和全局最优特性。以边坡位移时间序列为基础,采用RBF神经网络建立边坡位移
2、预测模型,通过最近邻聚类学习算法实现边坡位移预测,具有结构简单、学习速度快、预测精度高的特点,网络的外推能力也较强。通过2个工程实例说明边坡位移预测的RBF神经网络方法的有效性。关键词:边坡工程;边坡;位移;RBF神经网络;最近邻聚类算法中图分类号:P642文献标识码:A文章编号:1000–6915(2006)增1–2882–06METHODTOFORECASTDISPLACEMENTOFSLOPEBASEDONRBFNEURALNETWORKSHENQiang,CHENCongxin,WANGRen(InstituteofRockandSoilMechanics,ChineseA
3、cademyofSciences,Wuhan,Hubei430071,China)Abstract:Basedonthedisplacementsequenceofslope,thestabilityofslopecouldbejudgedeffectivelybyforecastingthedisplacementofslopeinthefuture.Becausethenonlinearevolutionofslopecouldbeobtainedbylearningthesamplerepeatedlywithneuralnetwork,theforecasteffectof
4、neuralnetworkisbetterthanthoseoftraditionalmethods.ComparedwithBPneuralnetwork,RBFneuralnetworkhasbettercapabilityofapproximationandglobeoptimumcharacteristicsasawell-behavedfeedforwardnetwork.Basedonthetimeseriesoftheslopedisplacement,RBFneuralnetworkisadoptedtoconstructtheforecastmodels;andt
5、henearestneighbor-clusteringalgorithmisusedtoforecastthedisplacementofslope.Themethodhastheadvantagesofsimplestructure,fasterlearningvelocityandbetterprecisionofforecast;andtheextrapolatedcapabilityofRBFneuralnetworkisbetterthanthatofBPneuralnetwork.Finally,twoengineeringexamplesaregiventotest
6、ifytheeffectivenessoftheforecastmethodtodisplacementofslopebasedonRBFneuralnetwork.Keywords:slopeengineering;slope;displacement;RBFneuralnetwork;thenearestneighbor-clusteringalgorithm质性、各向异性以及非线性等特征,加上地下水和1引言人类活动等多种外界因素的影响,使得通过数值计算进行边坡的稳定性分析变得困难。位移是边坡岩边坡的岩土体介质是含有大量节理、裂隙等地土体在开挖或变形过程中反馈出的重要信息之一,
7、质结构面的非连续体,因此,边坡岩土体具有非均利用实测边坡位移序列来预测边坡未来时间的位收稿日期:2005–11–23;修回日期:2005–12–28基金项目:国家自然科学基金资助项目(50239070);国家重点基础研究发展规划(973)项目(2002CB412704);湖北省交通厅2003年度科技项目作者简介:沈强(1974–),男,1996年毕业于华东地质学院,现为博士研究生、助理研究员,主要从事边坡工程方面的研究工作。E-mail:shenqzk@163.com
此文档下载收益归作者所有