共查询到19条相似文献,搜索用时 156 毫秒
1.
2.
通过分析微动探查方法和改进神经网络迭代反演算法,提出采用改进的神经网络迭代反演微动面波频散曲线。该方法在网络训练学习阶段通过批处理学习和优化网络结构提高网络学习速度;在迭代反演阶段通过vR/λR-f曲线极值点的变化来调整输入模型以减少迭代反演次数;最后设计反演方案,并对6层介质模型进行频散曲线的网络训练和迭代反演,验证了方法的有效性。对比分析结果表明:该方法明显减少了迭代反演次数,提高了收敛速度,而且具有良好的抗干扰能力。 相似文献
3.
4.
5.
应用自适应算法对BP网络进行改进,可以提高BP网络的收敛速度和全局寻优性能。在此基础上,利用多种测井数据及岩心描述资料作为网络模型的学习样本,以测井解释渗透率的神经网络模型为例,通过网络的学习、训练,建立测井解释神经网络模型。并应用此模型,定量计算出多口井的渗透率值,与常规渗透率计算结果相比,BP的解释结果及精度均令人满意,同时还取得了良好的实际应用效果。 相似文献
6.
针对遗传算法(GA)存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法(SA),组成改进的遗传模拟退火算法(GSA)提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。 相似文献
7.
8.
前馈逆传播算法优化及其在岩土工程中的应用 总被引:5,自引:0,他引:5
研究并分析了对BP网络收敛性能有重要影响的非线性系数的取值方法及规律,并给出了在岩土工程问题中的应用实例.利用该方法,提高了BP网络在具体工程应用中的实用性.实践证明按照此规律及方法对BP网络的收敛算法进行改进,能够明显提高网络的收敛速度及收敛精度. 相似文献
9.
基于遗传-广义回归神经元算法的坞石隧道三维弹塑性位移反分析研究 总被引:1,自引:0,他引:1
广义回归神经元网络在逼近能力、学习速度和网络稳定性方面均优于BP神经元网络,且具有网络人为调节参数少的优点。本文将广义回归神经元网络引入坞石隧道工程的三维弹塑性位移反分析。为了在网络训练过程中快速搜索到最优的网络阈值,采用十进制遗传算法对网络阈值进行优化。在确定最优的网络结构后,采用遗传算法在每个待反演参数的搜索范围内搜索出与实测位移最接近的围岩力学与初始应力场参数组合。用反分析得来的参数进行下步开挖位移预测,预测值与实测值吻合较好,表明所提出的这种反分析方法在工程上是可行的,可以推广使用。 相似文献
10.
地下工程围岩分类的神经网络可视化评价 总被引:1,自引:0,他引:1
围岩分类是地下工程技术基础研究的重要课题之一。影响围岩类别的因素有很多,并且具有高度的随机性和模糊性。神经网络方法具有自组织、自学习和高度非线性映射的能力,并且既能考虑定量因素又能考虑定性因素,因此,在围岩分类的应用方面,神经网络具有广泛的前景。文章基于改进的BP神经网络的一般原理,依据有关地下工程围岩的分类标准,选取岩体结构、岩石饱和单轴抗压强度、岩体结构面、岩石纵波速度作为围岩分类的评价指标,利用MATLAB语言构建了可视化的围岩分类神经网络模型,并收集了大量的工程资料对网络进行训练和检验。结果表明,网络的预测结果与实际结果比较一致。证明神经网络是能够在工程岩体分类方面得到推广应用的。 相似文献
11.
12.
围岩类别超前分类是隧道施工过程中必须开展的一项工作,其直接关系到后续的开挖及施工支护方案。为有效地进行隧道围岩类别超前分类,提出了基于数字钻进技术和量子遗传(QGA)-径向基函数(RBF)神经网络的围岩类别超前分类方法。以数字钻进技术为基础,从钻进参数中提取有用信息,构建围岩类别超前分类指标体系。采用量子计算原理对遗传算法进行改进,通过量子位编码和量子旋转门更新种群,以此来确定RBF神经网络的参数,建立了基于QGA-RBF神经网络的围岩类别超前识别系统。最后将该方法应用于青岛胶州湾海底隧道的围岩类别超前识别中,结果表明,该方法具有较高的准确性,其结果为围岩类别超前分类提供了一种新思路。 相似文献
13.
14.
为提高水环境非线性时序预测模型的精度,用自相关技术分析水环境时间序列的延迟特性,确定径向基函数(RBF)网络的输入、输出向量,建立了水环境时间序列预测的高精度RBF网络模型.用32年海洋水温时间序列实测资料来训练和检验网络并用于预测.用该模型对长江流域望江楼站8年总硬度、高锰酸盐指数、五日生化需氧量、氨氮、溶解氧、挥发酚、镉、氯化物、硫酸盐等9种水环境要素时间序列进行预测.实例分析表明,所建模型预测误差均较小,好于门限自回归模型,BP神经网络模型和ELMAN神经网络模型.所建模型不仅精度高,而且收敛速度快. 相似文献
15.
INTRODUCTIoNImagetextureanalysisisanimportantpartofresearchin-tocomputervision.Forobjectidentificationandunderstand-ing,textureanalysisisthebasisoftheresearchwork.Ingeneral,texturecanberegardedasakindofstructurethatconsistsofmanytextureelementsorpatternswhicharemoreorlesssimilar,i.e.,primitivesthatformtexturesandspatialdependenceorinteractionbetweentheprimitives.Ex-tensiveresearchhasbeendoneintextureanalysis,andrefer-ence(Haralick,l979)hasmadeathoroughsurvey.Amongthesetextureanalysismetho… 相似文献
16.
BP神经网络的改进及其在初至波拾取中的应用 总被引:2,自引:3,他引:2
在地震资料处理中,正确的初至时间,是解决复杂地表静校正问题所需的关键参数。将BP神经网络引入到初至波拾取中,并针对经典BP神经网络收敛速度慢、易于陷入局部极小的缺点,利用组合函数法、限幅法、动量因子法及自适应学习率法等进行了改进。用模拟试验证明了这些改进方法的可行性和有效性,在应用于实际的地震记录初至波拾取中,取得了良好的应用效果。 相似文献
17.
基于网格搜索法优化支持向量机的围岩稳定性分类模型 总被引:1,自引:0,他引:1
为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。 相似文献
18.
地表移动预计参数选取的神经网络法 总被引:6,自引:0,他引:6
地表移动预计参数的选取是研究地表移动及其规律的重要内容,由于预计参数受多种复杂因素的影响,具有高度的不确定性和离散性,利用神经网络具有自组织、自学习和高度非线性映射的能力,并既能考虑定量因素又能考虑定性因素的优点,可建立地表移动预计参数选取的神经网络模型以及对BP神经网络进行改进。利用大量的地表移动实际观测数据样本对该网络模型进行训练和学习,并用该网络模型对地表移动参数进行预计,结果表明,该改进的BP神经网络具有收敛速度快、预计参数精度高的优点,从而为开采沉陷地表移动预计中参数的选取提供了新方法。 相似文献