基于粒子群优化BP神经网络的深基坑支护结构变形预测

为更好地预测深基坑支护结构变形,采用机器学习算法,基于BP神经网络并引入粒子群优化算法（PSO-BP）优化其结构网络权值与阈值的选取,克服BP神经网络中的参数选取导致BP算法极易陷入局部极值点、收敛速度慢等问题。基于实际工程,采用优化与未优化的BP神经网络开展深基坑墙体水平变形预测,将监测应力与基坑墙体水平变形的复杂非线性系统方程作为黑箱模拟。两类模型的预测结果对比表明,优化的神经网络可以获得更准确的深基坑支护结构变形值的预测值,该PSO-BP算法可以更好地为工程实践提供指导。