中国学术期刊网络出版总库
  关闭
基于并联型灰色神经网络模型的隧道沉降量预测方法探讨  
   推荐 CAJ下载 PDF下载
【英文篇名】 Discussion on Tunnel Settlement Prediction Method Based on Parallel Grey Neural Network Model
【下载频次】 ★★☆
【作者】 曾贤敏; 黄腾; 谢朋朋;
【英文作者】 Zeng Xianmin; Huang Teng; Xie Pengpeng; School of Earth Science and Engineering; Hohai University;
【作者单位】 河海大学地球科学与工程学院;
【文献出处】 勘察科学技术 , Site Investigation Science and Technology, 编辑部邮箱 2016年 05期  
期刊荣誉:ASPT来源刊  CJFD收录刊
【中文关键词】 隧道沉降; 灰色模型; 神经网络; 预测方法;
【英文关键词】 tunnel settlement; grey model; neural network; prediction method;
【摘要】 灰色预测方法和人工神经网络,在建筑物变形预测中有各自的优势和不足。为了提高预测精度,该文结合灰色GM(1,1)模型和BP神经网络模型的特点,构造并联型灰色神经网络模型(PGNN)对南京地铁隧道某监测点的沉降量进行预测。结果显示,PGNN的预测精度明显高于单一的灰色GM(1,1)模型和BP神经网络模型,证明了PGNN组合方法在地铁隧道沉降量预测中的有效性。
【英文摘要】 Grey forecast method and artificial neural network have their own advantages and disadvantages in building deformation prediction. In order to improve the prediction accuracy,in this paper,combined with the characteristics of GM( 1,1) and BP neural network model,the parallel grey neural network model( PGNN) is constructed and applied to forecast the settlement of a tunnel monitoring point of Nanjing metro. The results show that the prediction accuracy of PGNN is significantly higher than that of GM( 1,1) an...
【基金】 中央高校基本科研业务经费(2012B01714),软土地铁隧道运营期沉降成因分析、沉降预测及稳定性评判方法研究
【更新日期】 2016-11-21
【分类号】 TP183;N941.5
【正文快照】 1引言地铁隧道大多建设于城市浅层地下,隧道结构所处环境复杂,很容易受到外部因素影响发生变形,隧道沉降是一项主要的地铁隧道灾害,严重威胁着地铁隧道和隧道周边建筑物的安全。科学、准确地预测沉降是预防其发生的重要措施。预测模型[1]目前有很多种,例如灰色预测模型、回归分

xxx
【读者推荐文章】中国期刊全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   自动化基础理论
    人工智能理论
     人工神经网络与计算

自然科学总论
  系统科学
   系统学、现代系统理论
    灰色系统理论
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号