动态模糊神经网络在变形预测中的应用

• 作者: 刘立龙 肖桂元
• 来源期刊: 桂林理工大学学报
• 学科: 交通运输
• 关键词: 动态模糊神经网络 径向基函数神经网络 变形预测
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 土木工程与测绘科学
• 页码范围: 395-398
• 分类号: U443.25|TU196
• 字数: 2716字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-9057.2011.03.013

摘要

为了得到更好的桥梁墩台沉降变形预测精度,减少工程监测实践的误差,分别介绍了基于扩展径向基函数神经网络(RBFNN)与动态模糊神经网络(DFNN)的学习算法和参数的确定方法.选取某一桥梁沉降监测数据分别进行基于扩展径向基函数神经网络与动态模糊神经网络的自适应学习训练,进行桥梁墩台沉降变形预测.实例分析结果表明,径向基函数神经网络预测误差达到0.15 mm,而动态模糊神经网络预测误差达到0.07 mm,显然动态模糊神经网络具有更高的预测精度,从而证实了动态模糊技术与神经网络相结合的自适应学习训练过程的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖桂元	同济大学道路与交通工程教育部重点实验室	17	130	6.0	11.0
17	刘立龙	桂林理工大学土木与建筑工程学院	55	220	9.0	12.0