基于粒子群优化的反向传播神经网络算法在建筑物沉降预测中的应用 |
| |
引用本文: | 钱超群.基于粒子群优化的反向传播神经网络算法在建筑物沉降预测中的应用[J].建筑技术开发,2019,46(13). |
| |
作者姓名: | 钱超群 |
| |
作者单位: | 长兴县自然资源与规划局,浙江湖州,313100 |
| |
摘 要: | 神经网络具有结构简单,鲁棒性强,能够逼近任意函数的非线性映射能力,在多个领域得到了广泛应用。但其梯度下降法容易陷入局部最优,训练效率较低。采用粒子群算法(PSO)对BP神经网络进行改进,利用粒子群算法为BP神经网络提供精确的全局搜索能力,提高其训练效率和预测精度。基于建筑物实际沉降观测数据,对BP神经网络和PSO-BP神经网络进行对比分析。结果表明,PSO-BP神经网络的训练效果获得了较大提升,预测精度提升了约61%,预测结果明显优于传统BP神经网络。
|
关 键 词: | 神经网络 粒子群算法 沉降观测 |
本文献已被 CNKI 万方数据 等数据库收录! |
|