100 积分
50
评分
4.8 积分- 详情
- 2021-04-27
- 简介
pdf
- 307KB
- 页数 5P
- 阅读 80
- 下载 26
在对某基坑工程采用BP神经网络模型预测基坑开挖引起地表变形的分析中,考虑到现有模型可能会遇到预测结果跳不出训练样本以及训练时间较长的问题,提出采用Matlab中的mapminmax函数进行归一化处理,并基于牛顿法、共轭梯度法和L-M法三种数值优化方法对BP网络训练算法进行了改进.研究结果表明:与常用的基于梯度下降原则相比,改进后的BP神经网络在训练时间和预测误差方面均有明显的优势,采用L-M法的神经网络在训练样本时的迭代次数最少为74次,采用共轭梯度法的预测结果与实测结果的误差最大为2.4％,而采用牛顿法神经网络的预测值则比较均衡,预测结果相对最佳.
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分析中的应用 253KB
基于BP神经网络的基坑变形预测 140KB
改进BP网络在深基坑变形预测中的应用 132KB
改进BP神经网络算法在基坑沉降预测中的应用 292KB
人工神经网络方法在基坑变形预测中的应用研究 280KB
人工神经网络在基坑变形性状研究中的应用 230KB
改进BP神经网络及其在西北建筑业预测中的应用 138KB
改进的BP网络在深基坑变形预报中的应用 277KB
基于模糊神经网络的深基坑变形预测 621KB