基于神经网络的地质勘测反分析研究
100 积分
50
评分
4.8 积分- 详情
- 2021-04-27
- 简介
pdf
- 166KB
- 页数 5P
- 阅读 90
- 下载 30
针对地质勘查中,土的力学参数的确定及土的分类这两类复杂问题,根据反问题理论的基本原理,提出了一种基于回归分析与RBF神经网络结合的新型智能方法,建立了从土的力学参数估计到模型分类的完整智能化分析系统。考虑到土的物理参数测定方法比较简单,且实测变异性小,而力学参数实测变异性大的特点,利用RBF神经网络的数值逼近的特性,建立了神经网络模型来逼近两者之间的函数关系,可以有效地反演力学参数。同时,利用RBF神经网络所具有的模式识别功能,为地质勘察中土层划分提供依据。通过对黄石地区岩土勘查资料的分析与预测表明,该方法简捷有效。
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
基于神经网络的地质勘测反分析研究 166KB
基于人工神经网络的短期负荷预测的研究 271KB
基于神经网络的建筑物沉降原因分析 428KB
基于BP神经网络的机械臂轨迹控制研究 281KB
基于RBF神经网络的工程造价决策研究 143KB
基于小波神经网络的某边坡预测研究 521KB
基于遗传BP神经网络的房地产估价研究 175KB
基于RBF神经网络的负荷预测研究综述 196KB
基于RBF神经网络的负荷预测研究综述 196KB
基于遗传神经网络的岩土参数优化反分析 460KB