粗糙集—小波神经网络在隧道围岩分类中的应用

• 作者: 张鹏 肖云华 赵安平 陈剑平
• 来源期刊: 地下空间与工程学报
• 关键词: 粗糙集 小波神经网络 隧道围岩分类 预测 稳定性
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 429-434,456
• 分类号: 0319.56
• 字数: 5615字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-0836.2011.03.004

摘要

隧道工程围岩的级别是隧道围岩稳定性的尺度,施工期间的隧道围岩分类的确定是最为基础、也是最为重要的内容.本文将粗糙集、小波神经网络和围岩分类有机结合起来,对白鹤隧道围岩分类进行识别研究.结果表明:用经过粗糙集约简后的样本集作为神经网络的训练样本集,有效地简化了神经网络的结构,减少了训练步数与训练时间,并提高了网络的学习速度和判断准确率；经过粗糙集约简后的WNN判别准确率最高,识别结果更接近专家质量评价法；而BP网络判别结果与专家质量评价法相差较大；总体上,小波神经网络预判的结果要比BP神经网络预判的结果精度要高,约简后要比约简前的精度要高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张鹏	吉林大学建设工程学院	149	677	14.0	17.0
5	陈剑平	吉林大学建设工程学院	154	2283	28.0	41.0
6	赵安平	黑龙江大学建筑工程学院	17	49	4.0	6.0