PCA和GA-BP神经网络在边坡稳定性预测中的应用 |
| |
作者姓名: | 邓智中 田浩帆 包太 |
| |
作者单位: | 贵州大学 土木工程学院, 贵州 贵阳 550025 |
| |
摘 要: | 针对现有边坡稳定性预测模型存在的不稳定性和精度不高的问题,采用主成分分析方法 PCA和遗传算法GA对传统BP神经网络模型进行优化。PCA方法将露天矿边坡稳定性的6个评价指标转换为4个主成分,作为BP神经网络的输入变量;遗传算法对神经网络的初始权阈值进行了筛选优化。经优化后的模型既减少了神经网络的输入变量,提高了学习训练效率,又使得传统BP神经网络模型的精度大大提高。最后将PCA-GA-BP模型、GA-BP模型和传统BP模型得到的预测结果进行对比和误差分析。结果表明,基于PCA-GA-BP神经网络模型的预测精度较好,对露天矿边坡稳定性的预测具有一定的参考价值。
|
关 键 词: | 主成分分析 遗传算法 BP神经网络 边坡稳定性 预测模型 |
本文献已被 CNKI 万方数据 等数据库收录! |
|