本文主要研究内容
作者蔡舒凌,李二兵,陈亮,高磊,濮仕坤,段建立,谭跃虎（2019）在《基于FA-NAR动态神经网络的隧洞围岩变形时序预测研究》一文中研究指出：针对隧洞围岩变形动态性、对时间和空间的敏感性、非线性、高度复杂性等特征,为提高围岩变形预测精度,采用萤火虫算法(FA)搜索确定延时阶数和隐含层单元个数,并利用非线性自回归(NAR)动态神经网络进行预测,提出基于FA-NAR动态神经网络的隧洞围岩变形预测模型,结合北山坑探设施围岩变形监测数据进行预测,并将其与BP神经网络算法预测结果对比分析。结果表明:(1) FA-NAR动态神经网络的预测值与实测值基本吻合,其产生的平均绝对误差和平均相对误差分别约为BP神经网络的1/5和1/4,表明FA-NAR动态神经网络算法模型比BP神经网络算法模型预测精度高;(2)采用FA-NAR动态神经网络算法模型能够很好地解决围岩变形预测问题,既减少了人为输入网络参数的盲目性,又提高了网络的学习能力和预测精度。
Abstract
zhen dui sui dong wei yan bian xing dong tai xing 、dui shi jian he kong jian de min gan xing 、fei xian xing 、gao du fu za xing deng te zheng ,wei di gao wei yan bian xing yu ce jing du ,cai yong ying huo chong suan fa (FA)sou suo que ding yan shi jie shu he yin han ceng chan yuan ge shu ,bing li yong fei xian xing zi hui gui (NAR)dong tai shen jing wang lao jin hang yu ce ,di chu ji yu FA-NARdong tai shen jing wang lao de sui dong wei yan bian xing yu ce mo xing ,jie ge bei shan keng tan she shi wei yan bian xing jian ce shu ju jin hang yu ce ,bing jiang ji yu BPshen jing wang lao suan fa yu ce jie guo dui bi fen xi 。jie guo biao ming :(1) FA-NARdong tai shen jing wang lao de yu ce zhi yu shi ce zhi ji ben wen ge ,ji chan sheng de ping jun jue dui wu cha he ping jun xiang dui wu cha fen bie yao wei BPshen jing wang lao de 1/5he 1/4,biao ming FA-NARdong tai shen jing wang lao suan fa mo xing bi BPshen jing wang lao suan fa mo xing yu ce jing du gao ;(2)cai yong FA-NARdong tai shen jing wang lao suan fa mo xing neng gou hen hao de jie jue wei yan bian xing yu ce wen ti ,ji jian shao le ren wei shu ru wang lao can shu de mang mu xing ,you di gao le wang lao de xue xi neng li he yu ce jing du 。
论文参考文献
论文详细介绍
论文作者分别是来自岩石力学与工程学报的蔡舒凌,李二兵,陈亮,高磊,濮仕坤,段建立,谭跃虎，发表于刊物岩石力学与工程学报2019年S2期论文，是一篇关于岩石力学论文,动态神经网络论文,时间序列论文,萤火虫算法论文,围岩变形预测论文,隧洞论文,岩石力学与工程学报2019年S2期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自岩石力学与工程学报2019年S2期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：岩石力学论文; 动态神经网络论文; 时间序列论文; 萤火虫算法论文; 围岩变形预测论文; 隧洞论文; 岩石力学与工程学报2019年S2期论文;