基于改进粒子群-GRNN模型的地铁隧道沉降预测

发布时间：2017-09-09 23:43

  本文关键词：基于改进粒子群-GRNN模型的地铁隧道沉降预测

  更多相关文章： 地铁隧道 沉降预测 改进粒子群算法 广义回归神经网络

【摘要】：为了实现地铁隧道沉降的准确预测,针对传统方法和常用智能方法预测精度不高、适用性不强等问题,建立基于改进粒子群和广义回归神经网络的隧道沉降预测模型。模型引入随机变异因子以克服粒子群算法早熟收敛和后期搜索效率不高的缺陷。通过与GRNN、普通PSO-GRNN和PSO-BP模型进行对比,验证了改进算法的有效性和所建模型的优越性。以长沙地铁隧道为例进行沉降预测发现:预测值与实测值相差1.04 mm,相对误差为4.05%,预测精度高,满足工程需要。
【作者单位】： 中交二公局第三工程有限公司;中南林业科技大学商学院;
【关键词】： 地铁隧道 沉降预测 改进粒子群算法 广义回归神经网络
【基金】：湖南省教育厅科研优秀青年项目(15B259) 2015年湖南省哲学社会科学基金(15YBA405) 中南林业科技大学高层次人才引进科研启动基金(2014YJ048)资助
【分类号】：U231;U456.3;TP18
【正文快照】： 1引言随着我国城市交通压力的不断增加,地铁逐渐成为各大城市的主要交通工具之一。然而,地铁隧道的沉降作为地铁施工和运营过程中必然存在的现象,一直影响着地铁的安全运营和隧道结构的稳定[1,2]。因此,对隧道沉降进行预测,为施工作业、运营维护、防止隧道变形破坏等提供参考

【相似文献】

中国期刊全文数据库 前1条

1 李益民;;基于GRNN的主要编组站办理车辆数的预测[J];铁道运输与经济;2012年02期

，

本文编号：823468