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:
人工神经网络具有极强的非线性映射能力.文章利用神经网络的特性,建立基于神经网络的盾构机掘进隧道地表沉降预测模型,并选取实际的工程数据作为学习训练和预测样本,利用该模型进行学习和预测.研究结果表明,在盾构机掘进隧道地表沉降预测问题上,该方法具有很好的适应性和较高的精度.
推荐文章
基于LIB-SVM的盾构隧道地表沉降预测方法研究
盾构隧道
地表沉降
支持向量机
沉降预测
基于BP神经网络的杭州紫之隧道最大地表沉降预测
浅埋暗挖
地表沉降
渗透性地层
BP神经网络
遗传算法
一种盾构掘进引起地表沉降的实用预测方法
盾构隧道
地表沉降
沉降预测
Peck法公式
地层损失
基于改进极限学习机模型的盾构掘进引发地表最大沉降预测
地表最大沉降
主成分分析
哈里斯鹰算法
极限学习机
沉降预测
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 基于神经网络的盾构机掘进隧道地表沉降预测
来源期刊 四川建筑 学科 交通运输
关键词 神经网络 隧道 地表沉降 盾构
年,卷(期) 2011,(3) 所属期刊栏目 岩土工程与地下工程
研究方向 页码范围 97-99
页数 分类号 U451
字数 2360字 语种 中文
DOI 10.3969/j.issn.1007-8983.2011.03.037
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 彭雄志 西南交通大学土木工程学院 27 289 9.0 16.0
2 徐进 西南交通大学土木工程学院 57 824 19.0 26.0
3 胡伟明 西南交通大学土木工程学院 8 46 5.0 6.0
4 唐浩俊 西南交通大学土木工程学院 15 22 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (126)
参考文献  (5)
节点文献
引证文献  (6)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(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
神经网络
隧道
地表沉降
盾构
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
四川建筑
双月刊
1007-8983
51-1133/TU
大16开
成都市解放路二段95号
1981
chi
出版文献量(篇)
11566
总下载数(次)
34
总被引数(次)
30390
论文1v1指导