基于自然选择策略的PSO-BP神经网络的滑坡可靠性评价方法

基于自然选择策略的PSO-BP神经网络的滑坡可靠性评价方法

论文摘要

将BP神经网络良好的非线性函数拟合能力,以及粒子群算法(PSO)良好的非线性优化性能相结合,提出一种基于自然选择策略的PSO-BP神经网络的滑坡可靠性评价新方法。新方法的整体布局是以BP神经网络作为滑坡可靠性分析的响应面函数,在内部实现细节上,针对传统BP神经网络权值和阈值更新过程中容易陷入局部最优特点,采用自然选择粒子群算法来替代标准BP神经网络内置的最速梯度下降法,以达到进一步优化网络的目的。以贵州省马达岭HP1滑坡为例,验证该方法的优越性,结果证明:(1)该文提出的自然选择PSO-BP算法全局拟合能力更强,构造出的响应面误差更小;(2)降雨对于该边坡可靠性的影响小于地震,敏感性低;(3)天然工况下的HP1处于稳定状态,饱和、天然地震工况下处于低危险状态。

论文目录

  • 1 引言
  • 2 BP神经网络的改进策略
  •   2.1 BP神经网络基本原理
  •   2.2 采用更高阶方法调整权值和阈值的可行性
  • 3 采用自然选择策略的粒子群算法优化BP神经网络的权值和阈值
  •   3.1 粒子群算法基本原理
  •   3.2 基于自然选择策略的算法改进
  •   3.3 自然选择粒子群算法优化权值和阈值
  • 4 采用基于自然选择PSO-BP神经网络构造功能函数
  • 5 基于自然选择PSO-BP神经网络滑坡可靠性计算流程
  • 6 实例分析
  •   6.1 马达岭滑坡基本特征
  •   6.2 马达岭滑坡岩土体物理力学参数
  •   6.3 基于均匀设计法取样
  •   6.4 误差分析
  •   6.5 HP1滑坡可靠性分析
  • 7 结果分析
  •   7.1 神经网络预测误差分析
  •   7.2 可靠性精度分析
  •   7.3 影响因素敏感性分析
  •   7.4 马达岭滑坡对公路线路的影响
  • 8 结论
  • 文章来源

    类型: 期刊论文

    作者: 王彪龙,孟凡利,曾超,郭将,刘晓

    关键词: 神经网络,自然选择粒子群算法,蒙特卡洛法,可靠性,敏感性

    来源: 中外公路 2019年03期

    年度: 2019

    分类: 工程科技Ⅱ辑,基础科学

    专业: 地质学,工业通用技术及设备,公路与水路运输

    单位: 中国地质大学(武汉)教育部长江三峡库区地质灾害研究中心,中交第二公路勘察设计研究院有限公司

    基金: 国家自然科学基金资助项目(编号:41572279),中国博士后科学基金特别资助项目(编号:2014T70758),中国博士后科学基金资助项目(编号:2012M521500),中央高校基本科研业务费专项资金资助项目(编号:CUGL170212)

    分类号: U416.1;P642.22

    DOI: 10.14048/j.issn.1671-2579.2019.03.001

    页码: 1-9

    总页数: 9

    文件大小: 863K

    下载量: 185

    相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  ;  

    基于自然选择策略的PSO-BP神经网络的滑坡可靠性评价方法
    下载Doc文档

    猜你喜欢