三次样条插值对人工神经网络预测软土固结精确度的影响

• 作者: 王天剑 王彦之
• 来源期刊: 四川理工学院学报（自然科学版）
• 学科: 工学
• 关键词: 人工神经网络 三次样条插值 固结沉降 精确度 预测
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 工程质量、安全与防灾减灾
• 页码范围: 67-72
• 页数: 6页
• 分类号: TU433
• 字数: 4987字
• 语种: 中文
• DOI: 10.11863/j.suse.2017.03.14

摘要

软土固结会引起漫长的地基沉降.人工神经网络(ANN)是预测地基沉降的一种常用工具.为了进行预测,需要使用一定的前期沉降观测数据训练ANN.采用两类训练方法:一类是直接使用观测数据训练网络,这是普通方法;一类是在观测数据中借助三次样条插值(CSI)技术进行等时距插值,然后一并利用观测数据和插值训练网络.三次样条插值是通过求解三弯矩方程组,在曲线的非连续数据点之间形成填充数据的技术.借助MatLab的函数Spline,可以完成插值计算过程.结果发现,在不同固结阶段进行预测,引入CSI插值训练的网络预测准确度均高于直接用观测数据训练的网络.这一发现,对于工程实践具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王天剑	贵州财经大学仿真重点实验室	44	52	4.0	6.0
2	王彦之	中南大学地球科学与信息物理学院	5	5	1.0	2.0