基于并联型灰色神经网络模型的隧道沉降量预测方法探讨

发布时间：2021-12-10 02:52

　　灰色预测方法和人工神经网络,在建筑物变形预测中有各自的优势和不足。为了提高预测精度,该文结合灰色GM（1,1）模型和BP神经网络模型的特点,构造并联型灰色神经网络模型（PGNN）对南京地铁隧道某监测点的沉降量进行预测。结果显示,PGNN的预测精度明显高于单一的灰色GM（1,1）模型和BP神经网络模型,证明了PGNN组合方法在地铁隧道沉降量预测中的有效性。 

【文章来源】：勘察科学技术. 2016,(05)

【文章页数】：4 页

【文章目录】：
1 引言
2 并联型灰色神经网络模型建模原理
    2.1 GM(1,1)模型
    2.2 BP网络算法
    2.3 并联型灰色神经网络模型
    2.4 模型的检验
3 地铁隧道沉降量预测实例
4 结语


【参考文献】：
期刊论文
[1]城市地铁变形监测数据处理[J]. 杨国东,詹福雷.  测绘与空间地理信息. 2014(02)
[2]灰色神经网络模型在建筑物变形预报中的应用[J]. 方毅,花向红,李海英,韩红超.  测绘工程. 2008(02)
[3]基于并联型灰色神经网络模型的港口吞吐量预测方法探讨[J]. 刘晓锋,蒋惠园.  水运工程. 2005(10)
[4]人工神经网络预报降雨技术在地下水资源评价中的应用[J]. 魏林宏,黄朝阳,郝振纯.  勘察科学技术. 2005(01)
[5]工程的变形分析与预报方法研究进展[J]. 张正禄.  测绘信息与工程. 2002(05)

硕士论文
[1]灰色神经网络预测模型的优化研究[D]. 李小燕.武汉理工大学 2009



本文编号：3531772