100 积分
50
评分
4.7 积分- 详情
- 2021-04-27
- 简介
pdf
- 360KB
- 页数 5P
- 阅读 105
- 下载 29
目前常见的沉降预测方法有灰色系统模型、时间序列分析法、BP神经网络及其改进算法等。针对BP神经网络容易出现过拟合和局部最优的缺点,部分学者利用遗传算法进行神经网络初始权值和阈值优化。但是遗传算法对于因监测数据质量问题而造成变形预测结果不佳的优化效果有限。因此引入自适应增强算法对遗传神经网络预测模型进行改进。并利用某高层建筑基坑实测50期监测数据进行仿真预测。实验结果表明,利用自适应增强算法改进之后的遗传神经网络预测模型在满足工程监测精度要求的前提下,在MAPE、MAE、MSE三项精度指标上分别提高80.57%、81.04%、70.83%。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
一种改进遗传神经网络的建筑基坑沉降预测模型 360KB
遗传神经网络预测路基沉降 228KB
基于神经网络模型的建筑物变形预测 369KB
改进BP神经网络算法在基坑沉降预测中的应用 292KB
基于遗传神经网络的岩土参数优化反分析 460KB
基于遗传神经网络的不锈钢带冷轧轧制力模型 247KB
基于人工神经网络的工程估价预测模型 344KB
BP神经网络-灰色系统联合模型预测软基沉降量 357KB
神经网络模型在高速公路软基沉降预测中的应用 585KB
基于小波分析的神经网络基坑变形预测模型 1.5MB