基于BP神经网络的杭州紫之隧道最大地表沉降预测

• 作者: 彭加强 甘鹏路 闫自海
• 来源期刊: 河南科学
• 关键词: 浅埋暗挖 地表沉降 渗透性地层 BP神经网络 遗传算法
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 工业技术与交通科学
• 页码范围: 356-363
• 页数: 8页
• 分类号: U455
• 语种: 中文
• DOI: 10.3969/j.issn.1004-3918.2018.03.010

摘要

杭州紫之隧道浅埋暗挖北段处于地下水丰富的软弱地层中,施工过程中产生的地表沉降量难以控制,波动范围较大.为了准确评估施工风险,采用BP神经网络对最大地表沉降进行预测.首先对地表沉降的影响因素进行选取和量化,构成样本数据组.然后通过试错法,建立预测精度最高的一般BP神经网络和遗传算法优化的BP神经网络模型,研究发现BP神经网络在预测地表沉降方面效果较好,且使用遗传算法可以进一步提升预测精度.接着探讨了地层渗透性对BP神经网络预测精度的影响,研究发现不考虑地层渗透性会使预测精度大幅下降.最后对BP神经网络模型参数进行了敏感性分析,揭示了预测沉降的变化趋势符合客观变形机理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	甘鹏路		12	26	3.0	4.0
2	闫自海		21	49	4.0	5.0
3	彭加强		11	34	4.0	4.0