基于APSO-BP耦合算法的岩体力学参数反馈研究
来源期刊：中国矿业大学学报2008年第6期
论文作者：郑治 任青文 杜小凯 许传华 张国华
关键词：自适应粒子群算法; BP神经网络; 反馈分析; 岩体力学参数; 索风营水电站;
摘 要：提出了基于自适应粒子群优化(APSO)与误差反向传播(BP)神经网络耦合反馈分析模型(APSO-BP).模型实现对网络结构、权重、阈值的同时优化,借助自适应粒子群算法全局优化能力强、收敛速度快的特点,提高了模型运算效率.采用Schaffer基准函数对该模型和传统遗传算法、BP神经网络、粒子群与BP神经网络组合算法进行测试对比.结果表明该模型更为优越.应用该模型对索风营水电站地下岩体力学参数进行反馈分析,计算位移值与实测值吻合较好,平均误差0.22 mm.
郑治1，任青文2，杜小凯3，许传华4，张国华5
(1.中国水电工程顾问集团,贵阳勘测设计研究院,贵州,贵阳,550002;
2.河海大学,土木工程学院,江苏,南京,210098;
3.河海大学,水利水电工程学院,江苏,南京,210098;
4.中钢集团马鞍山矿山研究院,安徽,马鞍山,243004;
5.中国灌溉排水发展中心,北京,100054)
摘要:提出了基于自适应粒子群优化(APSO)与误差反向传播(BP)神经网络耦合反馈分析模型(APSO-BP).模型实现对网络结构、权重、阈值的同时优化,借助自适应粒子群算法全局优化能力强、收敛速度快的特点,提高了模型运算效率.采用Schaffer基准函数对该模型和传统遗传算法、BP神经网络、粒子群与BP神经网络组合算法进行测试对比.结果表明该模型更为优越.应用该模型对索风营水电站地下岩体力学参数进行反馈分析,计算位移值与实测值吻合较好,平均误差0.22 mm.
关键词:自适应粒子群算法; BP神经网络; 反馈分析; 岩体力学参数; 索风营水电站;
【全文内容正在添加中】
