基于优化神经网络模型的隧道变形预测研究

• 作者: 崔凌岳
• 来源期刊: 四川建筑科学研究
• 学科: 交通运输
• 关键词: 隧道工程 神经网络 遗传算法 预测 优化
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 地基与基础
• 页码范围: 172-175
• 页数: 4页
• 分类号: TU91|U45
• 字数: 2467字
• 语种: 中文

摘要

神经网络预测技术一直是隧道学术界和工程界关注的关键课题.传统的神经网络对初始权值的依赖性很大,不同的初始值会导致差异很大的预测结果,并且初始值选择有很大的随机性和盲目性,往往导致网络振荡或不收敛.根据经典遗传算法的优势,对神经网络初始值进行优化,完成PB训练样本并建立非线性预测模型,避免了神经网络对初始权值的依赖性过大而引起计算误差.研究表明,GA-BP神经网络遗传算法适用于预测高速公路隧道断层破碎带围岩变形量,与现场试验数据相吻合,验证了GA-BP神经网络遗传算法工程应用的可行性,提高了预测的精度及避免人为误差.隧道洞周变形主要集中在开挖后12天,在此时间内应加强监控量测频率,以避免隧道过大变形引起坍方事故.