一种改进遗传神经网络的建筑基坑沉降预测模型

• 作者: 冉中鑫 周星勇 杨容浩 王志胜
• 来源期刊: 测绘工程
• 学科: 工学
• 关键词: 建筑基坑 沉降预测 BP神经网络 遗传算法 自适应增强算法
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 技术创新
• 页码范围: 53-57
• 页数: 5页
• 分类号: TB22
• 字数: 3977字
• 语种: 中文
• DOI: 10.19349/j.cnki.issn1006-7949.2018.03.011

摘要

目前常见的沉降预测方法有灰色系统模型、时间序列分析法、BP神经网络及其改进算法等.针对BP神经网络容易出现过拟合和局部最优的缺点,部分学者利用遗传算法进行神经网络初始权值和阈值优化.但是遗传算法对于因监测数据质量问题而造成变形预测结果不佳的优化效果有限.因此引入自适应增强算法对遗传神经网络预测模型进行改进.并利用某高层建筑基坑实测50期监测数据进行仿真预测.实验结果表明,利用自适应增强算法改进之后的遗传神经网络预测模型在满足工程监测精度要求的前提下,在MAPE、MAE、MSE三项精度指标上分别提高80.57%、81.04%、70.83%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨容浩	成都理工大学地球科学学院	37	167	9.0	11.0
2	周星勇	成都理工大学地球科学学院	4	16	2.0	4.0
3	王志胜	成都理工大学地球科学学院	1	12	1.0	1.0
4	冉中鑫	成都理工大学地球科学学院	1	12	1.0	1.0