应用GA-BP神经网络预估砾类土的最大干密度

• 作者: 丁瑜 张亮 张恒 潘波 许文年 饶云康
• 来源期刊: 长江科学院院报
• 学科: 工学
• 关键词: 砾类土 最大干密度 全级配 GA-BP神经网络 遗传算法
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 岩土工程
• 页码范围: 88-92
• 页数: 5页
• 分类号: TU43
• 字数: 2925字
• 语种: 中文
• DOI: 10.11988/ckyyb.20180281

摘要

建立砾类土最大干密度预估模型,为控制砾类土工程填筑压实质量、选取满足工程压实性能要求的砾类土提供最大干密度预估参考.颗粒级配是决定砾类土最大干密度的关键因素,收集并整理得到92组砾类土数据,以全级配(d10~d100)作为BP(GA-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砾类土最大干密度预估模型,并与BP神经网络进行对比. 86组训练样本预估结果的平均相对误差为0.54%,决定系数为0.983;6组检测样本预估结果的平均相对误差为0.57%,证明该网络模型泛化性能良好.采用GA-BP神经网络,由全级配能较好地预估砾类土最大干密度,收敛速度、预估精度及泛化性能均优于标准的BP神经网络模型. in consideration of full gradation. GA-BP neural network model is superior than conventional BP neural network model in terms of convergence rate, prediction accuracy and generalization performance.