基于RBF神经网络的隧洞围岩变形预测方法
1.天津大学管理学院,天津 300072
2.天津大学建筑工程学脘,天津 300072
下一篇 上一篇
摘要
传统回归方法对于围岩变形时程曲线存在反弯点,这种情况的模拟具有难度。提出的基于RBF神经网络的隧道围岩变形预测方法,不仅能很好地描述复杂的围岩变形时程曲线,而且比BP神经网络具有更快的收敛速度和更好的全局搜索能力。实例研究验证了该方法的有效性与可行性。
参考文献
[ 1 ] JJHopfield.Neuralnetworksandphysicalsystem withemergentcollectivecomputationabilities[A].In:ProcNatlAcadSci[C], Vol79, 1982.2554~2558
[ 2 ] 周建春, 魏 琴.公路隧道围岩变形时程曲线拟合的BP算法[J].湖南大学学报, 2002, 29 (4) :79~84 链接1
[ 3 ] 马万权, 王新平, 程崇国.神经网络技术在阳宗隧道围岩变形预测中的应用[J].公路交通技术, 2003, (2) ;56~59 链接1
[ 4 ] MoodyJ, DarkenC.Fastlearninginnetworksof locallytunedprocessing[J].NeuralComputation, 1989, (1) :281~289
[ 5 ] ChenS, CowanCFN, GrantPM.Orthogonalleast squareslearningalgorithmforradialbasisfunction networks[J].IEEETransactionsonNeural Networks, 1991, 2 (2) :302~309
[ 6 ] ChenT, ChenH.Approximationcapabilityto functionsofseveralvariables, nonlinearfunctionsand operatorbyradialbasisfunctionneuralnetwork[J].IEEETransonNeuralNetworks, l995, 5 (6) :904~910