粒子群算法优化BP神经网络在边坡稳定性中的应用 |
| |
引用本文: | 张晓宸,陈学军,宋宇,马佩鑫.粒子群算法优化BP神经网络在边坡稳定性中的应用[J].矿业研究与开发,2022,42(1):71-76. |
| |
作者姓名: | 张晓宸 陈学军 宋宇 马佩鑫 |
| |
摘 要: | 影响边坡稳定的因素繁杂多变,给边坡的稳定性评价与预测带来了困难,神经网络能够通过自学功能从样本数据中获取复杂的非线性关系,适用于解决边坡稳定性评价问题.因此,通过 Python语言建立了 BP神经网络模型,在此基础上借助粒子群算法提高模型的收敛速度与预测精度,建立了基于粒子群算法优化 BP神经网络实现边坡形变数据的分析预测模型,选取边坡土体的容重、黏聚力和内摩擦角等6个主要影响因素作为评判边坡稳定性的指标,将神经网络模型得到的预测结果与实际数据进行对比,结果表明利用粒子群算法优化后得到的预测值误差更小,验证了该模型的合理性和有效性.
|
关 键 词: | BP 神 经 网 络 粒 子 群 (PSO)算 法 边 坡 稳 定 性 Python 数据预测 |
|
| 点击此处可从《矿业研究与开发》浏览原始摘要信息 |
|
点击此处可从《矿业研究与开发》下载全文 |
|