地基土压缩系数的RBF神经网络预测

• 作者: 蒋建平 阎长虹 高广运
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: 土 压缩系数 神经网络 预测 误差
• 年，卷（期）: 2011,（2）
• 页码范围: 232-235,248
• 分类号: TU411.5
• 字数: 2486字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2011.02.023

摘要

采用了输入层节点数为4、隐含层节点数为29、输出层节点数为1的RBF神经网络结构;RBF神经网络学习时,设置中心化方法为K-means聚类法,训练速率取0.15,加权种子数取2,Sigma参数取0.1,权重为0.2,最大迭代次数为16 000,误差均值控制为0.01.研究发现,训练RBF神经网络时,30组数据的土压缩系数的拟合值与实测值的相对误差为-2.540 0%～2.600 0%,有25组数据的相对误差为0,相对误差绝对值的平均值为0.185 14%;验证RBF神经网络时,土压缩系数的预测值与实测值的相对误差为-2.500 0%-12.000 0%,相对误差绝对值的平均值为5.669 27%.对岩土工程,一般误差小于25%是可以接受的,该地基土压缩系数RBF神经网络预测模型是可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阎长虹	南京大学地球科学与工程学院	125	1249	19.0	29.0
2	高广运	同济大学土木工程学院	230	3554	32.0	46.0
3	蒋建平	上海海事大学海洋环境与工程学院	118	845	16.0	24.0