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:
BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中.但实际应用过程中发现BP神经网络具有收敛速度慢、初始权闽值对计算结果影响较大,且易陷入局部最优等缺陷.采用引入具有启发式寻优、全局优化特点的蚁群算法优化BP神经网络,对基坑变形进行预测,并与BP神经网络进行比较.结果表明:ACO-BP神经网络模型预测基坑变形可行;预测精度高于BP模型,且结果稳定、速度较快、误差满足工程的要求.
推荐文章
基于EMD的BP神经网络海水温度时间序列预测研究
经验模态分解
BP神经网络
海水温度时间序列预测
非平稳性序列
基于改进BP神经网络的混沌时间序列预测方法对比
混沌时间序列
BP神经网络
遗传算法
粒子群算法
基于免疫RBF神经网络的深基坑施工变形预测
深基坑
地下连续墙
人工免疫识别
RBF神经网络
变形预测
基于有限元-BP神经网络的地下连续墙变形预测
有限元
BP神经网络
地下连续墙
水平位移
监测数据
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 基于时间序列ACO-BP神经网络在基坑变形预测中的应用研究
来源期刊 路基工程 学科 工学
关键词 人工神经网络 时间序列 BP神经网络 蚁群算法 基坑变形 预测
年,卷(期) 2015,(2) 所属期刊栏目 论述
研究方向 页码范围 58-62
页数 5页 分类号 TV551
字数 3583字 语种 中文
DOI 10.13379/j.issn.1003-8825.2015.02.12
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 高正夏 河海大学地球科学与工程学院 47 249 9.0 13.0
2 卞志兵 河海大学地球科学与工程学院 4 15 3.0 3.0
3 宗文亮 河海大学地球科学与工程学院 4 15 3.0 3.0
4 杨爱婷 河海大学地球科学与工程学院 4 16 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (101)
参考文献  (8)
节点文献
引证文献  (5)
同被引文献  (24)
二级引证文献  (16)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(9)
  • 参考文献(0)
  • 二级参考文献(9)
2000(7)
  • 参考文献(0)
  • 二级参考文献(7)
2001(9)
  • 参考文献(1)
  • 二级参考文献(8)
2002(7)
  • 参考文献(0)
  • 二级参考文献(7)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(9)
  • 引证文献(1)
  • 二级引证文献(8)
2020(5)
  • 引证文献(1)
  • 二级引证文献(4)
研究主题发展历程
节点文献
人工神经网络
时间序列
BP神经网络
蚁群算法
基坑变形
预测
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
路基工程
双月刊
1003-8825
51-1414/U
大16开
成都市金牛区通锦路16号
62-156
1983
chi
出版文献量(篇)
6726
总下载数(次)
9
总被引数(次)
24794
论文1v1指导