正文描述:《人工神经元网络在公路隧道围岩判别中的应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、特 稿2003年第4期第28卷总第106期广西交通科技GUANGXICOMMUNICATIONSCIENCE&TECHNOLOGY 收稿日期:2003-06-10作者简介:裘军良(1978-),男,浙江绍兴人,硕士,主要从事桥梁、隧道管理与研究;夏永旭(1953-),陕西武功人,教授,博导,主要从事工程结构数值计算方法、隧道结构理论、公路隧道通风与防灾救灾以及公路隧道工程质量检测研究。专家信息:夏永旭,博士生导师,长安大学公路学院教授、全国加权残值法及工程应用协作组副组长、陕西省力学学会常务理事。主要从事工程结构数值计算方法、公路隧道结构理论与运营环境、
2、公路隧道通风与防灾救灾以及公路隧道工程质量检测的研究。指导研究生研制公路隧道通风软件两套,公路隧道工程质量检测管理软件一套。先后发表科研论文69篇,被EI收录十多篇,出版专著两部,编写教材两本。获交通科学技术进步二等奖两项,中国公路学会技术三等奖一项。近年来主要从事的科研项目有:“长大公路隧道防救灾对策研究”、“秦岭终南山公路隧道通风方案研究”、“门关公路隧道通风方案研究”、“公路隧道通风数值模拟研究”、“公路隧道工程质量检测研究”、“公路双连拱隧道开挖方法及施工过程数值模拟研究”、“道路结构疲劳特性研究”等,在公路隧道通风与防灾救灾、公路隧道工程质量检测研
3、究方面取得了一定的成果。 文章编号:1004-051X(2003)04-0015-04人工神经元网络在公路隧道围岩判别中的应用裘军良,夏永旭(长安大学公路学院,陕西 西安 710064)摘 要:基于人工神经元网络原理,结合公路隧道围岩判别的工程实际资料,通过BP神经网络模型的有师学习记忆和预测功能,对公路隧道围岩判别预测进行了研究。通过实例预测检验,证明了人工神经元网络在公路隧道围岩判别中的可行性和实用性。关键词:BP神经网络;公路隧道;围岩判别;预测;应用中图分类号:U451.2 文献标识码:ATheApplicationofArtifici
4、alNeuralNetworkinHighwayTunnelsRockMassesClassificationQIUJun-liang,XIAYong-xu(HighwayCollege,ChanganUniversity,Xianshanxi710064,China)Abstract:Basedontheartificialneuralnetworktheory,combiningthefactualprojectdatumofhighwaytunnelsclassificationofrockmasses,usingtheBPneuralnetworks
5、modelwithteacherstudyandpredictingfunction,theclassificationofrockmassesinhighwaytunnelisstudied.Withtheactualexamples,thefeasibilityandpracticabilityintheclassificationofrockmasseswithartifi-cialneuralnetworkaredemonstrated.Keywords:BPneuralnetwork;highwaytunnel;theclassificationo
6、frockmasses;prediction;appli-cation.准确的围岩分类是公路隧道设计成功与否的关键。然而,由于隧道围岩复杂多变,隧道勘察人员很难把握围岩地质的全面资料,评定过程中具有很大的随机性。本文应用人工神经元网络来进行围岩分类,可以很好的描述影响围岩类别的因素,经过加权分析,得到很好的与实际吻合的围岩类别。1 人工神经元网络原理及BP算法人工神经元网络(ArtificialNeuralNetwork,简称ANN)又称神经元网络、神经网络,它是人们通过模拟15生物神经系统,在计算机上实现的一种复杂网络,是现代科技发展的新技术,它具有并行运
7、行、容错、自适宜、自学习及集体运算等特点。神经元是人工神经元网络的基本处理单元,网络的信息处理由神经元之间的相互作用来完成;神经元具有以下特性:(1)神经元是一个多输入,单输出元件;(2)神经元是一个具有非线性输入/输出特性的元件;(3)神经元具有可塑性;(4)神经元的输出响应是各个输入的综合作用的结果,即所有输入的累加作用。根据以上这四个特性,一个神经元的基本结构模型如图1。Rumelhalt等人于1986年提出的三层BP神经网络,其模型见图2所示。图1一个神经元的基本结构图图2三层BP神经网络结构图BP算法的基本思想是,其学习过程由信号的正向传播与误差的
8、反向传播两个过程组成。因此,BP算法原理归纳起来为:
显示全部收起