基于BP神经网络修正的自适应灰色模型的隧道变形预测研究

• 作者: 叶超
• 来源期刊: 铁道标准设计
• 学科: 交通运输
• 关键词: 隧道 沉降变形 自适应GM(1,1)模型 BP神经网络 变形预测
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 隧道/地下工程
• 页码范围: 76-81
• 页数: 6页
• 分类号: U456
• 字数: 5007字
• 语种: 中文
• DOI: 10.13238/j.issn.1004-2954.2017.11.016

摘要

隧道围岩具有高度的非线性变形特征,通过变形预测能有效判断隧道变形的发展趋势.首先以自适应GM(1,1)模型对隧道变形进行初步预测,且为保证自适应模型的参数为全局最优参数,提出以粒子群算法对模型参数进行优化;其次,以BP神经网络为基础,建立误差修正模型,旨在进一步提高预测精度.在此基础上,将该预测模型应用于2个工程实例中,结果表明:该预测模型在横向和纵向上的预测效果均较好,自适应能力和递推能力均较强,预测结果与实测值较为吻合,预测精度较高,能较好地反映隧道围岩的变形规律.该预测模型能较为有效地实现隧道围岩的动态预测,可以进行推广应用及研究,为隧道变形预测提供一种新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶超		28	145	7.0	11.0