排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
为研究不同训练样本数量和无约束优化算法对岩爆BP(Back Propagation)神经网络模型预测准确率的影响,选取围岩最大切向应力与岩石单轴抗压强度比σθ/σc、岩石单轴抗压强度与单轴抗拉强度比σc/σt和弹性能量指数Wet作为预测指标,广泛搜集整理100组典型岩爆实例建立了训练样本数据库.在样本数量分别为40、70和100时,基于标准算法和9种无约束优化算法建立了10个岩爆BP神经网络预测模型,并提出了考虑不同样本规模影响的岩爆烈度等级预测指数——综合准确值N.比较研究结果表明:BP模型的预测准确率随样本数量增加而提高,3种样本数量下的模型平均预测准确率分别为62.5%、76.4%和87.5%;基于9种优化算法建立的BP网络模型的N值均高于标准BP模型;基于Ploak-Ribiere共轭梯度法优化的BP模型的N值(195)和预测准确率(99.0%)均最高,且在5个工程实例中的预测结果完全符合现场实际,优于标准BP模型、支持向量机模型和其他优化模型,为岩爆烈度等级预测的最佳模型. 相似文献
2.
3.
4.
5.
6.
针对露天矿山边坡稳定性评价中的随机性和模糊性问题,提出了一种基于AHP-Critic法的正态云模型边坡稳定性分析方法。首先,选取容重γ、黏聚力c、内摩擦角φ、坡高H和坡角α这五种具有代表性的边坡稳定性评价指标,然后基于AHP法和Critic法确定指标主客观权重,再采用乘法合成归一化方法求出综合权重;并结合正态云模型理论,确定边坡稳定性等级;最后,将该模型运用于云南某石灰岩矿山,且与强度折减法和极限平衡法计算结果进行对比验证。结果表明,该方法可行且预测结果准确,可为类似矿山边坡稳定性分析提供一种新的评价方法。 相似文献
7.
8.
1