基于PSO-RBF的边坡安全系数预测

• 作者: 胡昊 魏继红
• 来源期刊: 河南科学
• 关键词: 粒子群算法 RBF神经网络 边坡安全系数 预测
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 建筑科学与交通科学
• 页码范围: 747-751
• 页数: 5页
• 分类号: TU457
• 语种: 中文

摘要

传统的径向基函数(RBF)神经网络在边坡稳定性预测中已经得到了广泛的应用,但由于其在预测中易陷入局部最优且参数选取不当会对收敛性产生影响.故引入粒子群算法(PSO)对RBF神经网络进行优化,利用其全局搜索能力对RBF神经网络的隐含层基函数中心值、宽度以及隐含层至输出层的连接权值进行参数寻优,建立了基于PSO-RBF的边坡安全系数预测模型.以114组边坡数据为训练样本,8组边坡数据为测试样本,结果显示基于PSO-RBF网络预测结果的最大误差为7.36%、最小为0.18%、平均误差为3.77%,而基于单纯RBF网络的预测结果的相应误差分析别为11.04%、1.34%、6.19%.可以看出,前者的预测结果明显优于后者,表明经粒子群算法优化后的RBF在预测精度上有了明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏继红	河海大学地球科学与工程学院	40	388	11.0	19.0
2	胡昊	河海大学地球科学与工程学院	3	12	2.0	3.0