基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
将自组织特征映射神经网络(SOFM)应用于边坡稳定性分析,建立了评价边坡稳定状态的SOFM网络模型,并以工程实例对网络进行了训练和检验,研究结果表明,SOFM网络性能良好、预测精度高、简单易行,是边坡稳定性评价的一种有效方法.
推荐文章
基于SOFM神经网络的边坡稳定性评价
自组织特征映射
神经网络
边坡稳定
评价
基于自组织神经网络与遗传算法的边坡稳定性分析方法
边坡稳定性
样本分析
神经网络
遗传算法
基于神经网络范例推理的边坡稳定性评价方法
范例推理
神经网络
边坡
稳定性评价
基于遗传优化神经网络的边坡稳定性评价
遗传算法
BP神经网络
优化权值
边坡稳定性
安全系数
预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于自组织特征映射神经网络的边坡稳定性评价
来源期刊 水利水电技术 学科 工学
关键词 自组织特征映射神经网络(SOFM) 边坡稳定 评价
年,卷(期) 2006,(9) 所属期刊栏目 工程地质
研究方向 页码范围 20-22
页数 3页 分类号 TV222.1+|TU457+|TP183
字数 2543字 语种 中文
DOI 10.3969/j.issn.1000-0860.2006.09.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李英 河北农业大学水利工程系 4 16 3.0 4.0
2 郄志红 河北农业大学水利工程系 69 363 12.0 16.0
3 吴鑫淼 河北农业大学水利工程系 56 278 10.0 14.0
7 赵兰敏 河北农业大学水利工程系 3 26 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (7)
参考文献  (2)
节点文献
引证文献  (7)
同被引文献  (2)
二级引证文献  (0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(4)
  • 引证文献(4)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
自组织特征映射神经网络(SOFM)
边坡稳定
评价
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
水利水电技术
月刊
1000-0860
11-1757/TV
大16开
北京市海淀区玉渊潭南路3号
2-426
1959
chi
出版文献量(篇)
7729
总下载数(次)
10
总被引数(次)
49620
相关基金
河北省自然科学基金
英文译名:
官方网址:
项目类型:
学科类型:
论文1v1指导