基于GA-BP神经网络的粗粒土渗透系数预测

• 作者: 丁瑜 倪强 刘大翔 张恒 许文年 饶云康
• 来源期刊: 水利水运工程学报
• 关键词: 粗粒土 渗透系数 BP神经网络 遗传算法 孔隙比 级配
• 年，卷（期）: 2018,（6）
• 页码范围: 92-97
• 页数: 6页
• 分类号: TU411
• 语种: 中文
• DOI: 10.16198/j.cnki.1009-640X.2018.06.012

摘要

针对粗粒土渗透性能受颗粒级配、密实程度等因素影响而呈现明显差异,提出一种粗粒土渗透系数预测方法.收集并整理得到93组粗粒土数据,以全级配(d10～d100)和孔隙比作为BP神经网络的输入变量,利用遗传算法优化BP神经网络的初始权值与阀值,构建基于BP神经网络和遗传算法的粗粒土渗透系数预测模型.结果表明:该GA-BP神经网络经过55次迭代之后精度满足要求;87组训练样本预测结果的平均相对误差为5.10％,其中有75％的样本相对误差小于平均相对误差;6组检测样本预测结果的平均相对误差为6.39％,该网络模型泛化性能良好.采用GA-BP神经网络,由全级配和孔隙比能较好地预测粗粒土的渗透系数,且收敛速度、预测精度及泛化性能均优于标准的BP神经网络模型.