- 详情
- 2021-04-27
- 简介
- 161KB
- 页数 3P
- 阅读 55
- 下载 37
影响因素的多变及周期特征使高边坡变形表现出明显的非线性,线性模型难以对边坡变形做出准确预测.为研究库区高边坡变形发展趋势,以某水电站高边坡变形监测成果为依托,在对其变形影响因素分析基础上,选取半年库水位变化量、半年降雨量、前半年惯性位移量为输入参数,以监测点半年变形增量值为输出参数,构建起3层BP神经网络模型.利用该模型对2011年6月-2014年12月间监测数据进行训练,精度达到预设要求后,预测2015年1月-2016年6月测点变形值,结果表明:预测最大误差8.26%,平均误差7.2%,满足工程精度要求,说明该模型参数选取及设置适合,可为后续边坡变形趋势研究提供参考.
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
BP神经网络模型在库区高边坡变形预测中的应用 161KB
基于EEMD的BP神经网络边坡预测研究 770KB
RBF神经网络模型在边坡监测中的应用 340KB
基于灰色BP神经网络组合模型的基坑变形预测研究 405KB
BP神经网络预测模型在基坑监测中的应用分析 104KB
BP神经网络在基坑变形预测分析中的应用 253KB
BP神经网络在基坑变形预测中的应用及改进 307KB
BP神经网络在基坑变形预测中的应用研究 2.7MB
基于神经网络模型的建筑物变形预测 369KB
基于BP神经网络算法下的边坡安全预测 1.4MB