基于BP神经网络改进算法在地铁隧道施工中沉降预测

为了尽量减小由隧道开挖引起的地面沉降而带来的风险,需要在隧道施工过程中可靠地预测地表的变形量.该文采用改进的方法来选择平移和伸缩因子的初始值,利用小波神经网络分析预测隧道施工中的地表沉降量,并在预测中考虑了地表平均压力、盾构机平均穿透深度、填充泥浆度等外界因素对地表沉降的影响.结果表明,利用改进的方法来选择初始的平移和伸缩因子,提高了函数的逼真性能,并减小了估计误差.

利用小波分析能够逼近非线性连续函数和良好的局部化特性对bp神经网络模型进行改进.结合bp神经网络的非线性映射和容错性等优点,将小波分析和bp神经网络相结合,并将其应用于变形监测的数据分析处理.本文通过bp神经网络模型和bp小波神经网络模型分别对样本数据进行分析处理,并对结果进行对比,验证bp小波神经网络模型的优越性.

为了分析深基坑的沉降规律,以某实际工程为例,利用bp神经网络对该工程的深基坑沉降数据进行拟合和预测分析,采用c语言编写程序进行预测。结果表明,利用bp神经网络方法的预测结果合理,误差在允许范围内,满足工程要求,并且对类似的工程施工具有指导作用。

为了预测高速公路路基最终沉降量,首先依据影响软土路基沉降的因素选取参数建立了bp神经网络预测最终沉降量模型.结合成都-南充高速公路沉降实测资料及其它文献中大量路基沉降资料,利用bp神经网络预测了其各自最终沉降量.通过检验样本验证,预测精度较高,能够满足实际需要.并对bp神经网络在公路建设中的应用提出了一些注意事项.

针对传统bp神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的bp神经网络预测方法,采用遗传算法优化bp神经网络的初始权重,建立路基沉降预测模型。该模型可克服bp神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统bp神经网络预测模型对比,结果表明改进的bp神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。

针对传统的bp神经网络存在的缺点,提出了用附加动量法、自适应学习速率和l-m优化算法等几种算法进行优化。通过对比分析,证明了采用l-m优化和附加动量因子算法相结合取得了最优的预测效果。该方法克服了bp神经网络模型存在的收敛速度慢、易陷入局部极小点的缺点。结合现场实测数据,将该优化模型与传统的bp神经网络预测模型对比,预测结果表明改进的bp神经网络在路基沉降预测中精度最高,适宜广泛采用。

在对某基坑工程采用bp神经网络模型预测基坑开挖引起地表变形的分析中,考虑到现有模型可能会遇到预测结果跳不出训练样本以及训练时间较长的问题,提出采用matlab中的mapminmax函数进行归一化处理,并基于牛顿法、共轭梯度法和l-m法三种数值优化方法对bp网络训练算法进行了改进.研究结果表明:与常用的基于梯度下降原则相比,改进后的bp神经网络在训练时间和预测误差方面均有明显的优势,采用l-m法的神经网络在训练样本时的迭代次数最少为74次,采用共轭梯度法的预测结果与实测结果的误差最大为2.4％,而采用牛顿法神经网络的预测值则比较均衡,预测结果相对最佳.

针对bp神经网络训练过程中的训练时间较长、完全不能训练或容易陷入局部极小值等问题,提出基于遗传克隆选择算法(cloga)优化bp神经网络的流程,克服bp算法的一些缺陷。并通过湖北省人口预测问题进行效果检验,得到满意的结果。

bp神经网络是分析处理复杂非线性问题的一种有效方法,是目前广泛应用的一种神经网络,已被逐渐应用于对宏观经济问题的研究中。本文有机地整合了计量经济学与bp神经网络,建立了基于因果关系理论来确定bp网络的输入变量,基于协整理论来分析bp网络系统的可靠性,基于学习率可变的动量bp算法的用于研究经济领域问题的改进bp神经网络预测模型,加强了网络模型的理论基础,提高了网络模型的质量,并将其应用于西北建筑业的预测和控制中,取得了令人满意的效果。

负荷预测是电力规划的基础,传统的神经网络预测方法存在对初始网络权值设置敏感、收敛的速度慢、容易陷入局部极小值等缺点。文中引入遗传算法先对神经网络的初始值进行优化,再通过神经网络进行学习和训练,得出的结果再经bagging方法集成,目的是提高其准确率。通过matlab仿真进行实验,结果表明,基于bagging算法集成遗传神经网络,能够克服传统bp神经网络的缺点,可较快收敛又不易陷入到局部极值中,具有较强的泛化能力,同时也大大提高了网络的预测精度。

边坡的实时变形一直是岩土工程界关心的问题,由于不同工程的条件不同,影响边坡位移的因素较多,进而使其变化趋势复杂.为了得到边坡位移与稳定性的关系,采用bp神经网络算法与强度折减法综合对土质边坡安全系数进行预测.结果显示:通过强度折减法计算出边坡位移,并获取较完善的bp神经网络样本数据,当迭代次数达到足够时,完全可以忽略预测结果与实际结果的误差；通过实际工程中的边坡监测数据,然后由建立的bp神经网络能够较为准确的输出边坡的强度折减系数,进而得到相应的安全系数.

将bp神经网络用于电力负荷预测。给出了具体的数据处理方法、神经网络构造及预测结果评价方法。在南京市夏季电力负荷统计数据集上面的实验结果表明,bp神经网络能够对电力负荷进行较好地预测。

根据盾构施工引起地表沉降的具体问题,结合广州地铁三号线某区间地质资料,建立了地表沉降预测的bp神经网络模型,并对网络进行了训练和测试,测试结果表明,利用神经网络进行盾构隧道施工的地表沉降预测是可行的,可用于工程实践。

针对隧道工程施工网络计划执行率低的现状,将遗传算法和神经网络技术联合用于隧道施工网络计划的动态优化与决策。基于遗传优化和神经网络方案(模式库、专家知识系统)的优化决策方法能使该技术在隧道施工的应用更科学合理、准确可靠和方便快捷。该技术不仅能解决施工网络计划的执行率低的现状,而且为信息化和智能化的隧道施工提供了有力的技术保障,具有广泛的应用前景。

bp神经网络算法具有很好的非线性推理能力及优越的自组织、自适应、容错性能。利用该方法对高层建筑地基沉降数据进行分析,可不考虑地基沉降影响因素与沉降之间的对应关系,而直接根据已知时间内实际沉降数据构建模型对未知时间的沉降进行预测推理。将该方法应用于西安市某高层建筑的地基沉降数据预测分析,并与多项式拟合方法的分析结果进行对比可知,bp神经网络的非线性预测推理能力更强,应用前景广阔。

考虑到常规bp神经网络算法容易陷入局部最优解,所建立的网络遗传流量检测模型检测效率低,准确率不高等问题,提出一种改进型ga优化bp神经网络算法,并使用其建立网络遗传流量检测模型。常规遗传算法在搜索过程中,往往会由于出现影响生产适应度高的个体而对遗传算法搜索过程产生影响的现象发生,因此需要对常规遗传算法进行改进。使用的方法是通过混合编码方式进行改进,同时对交叉算子、变异算子、交叉概率以及变异概率等参数进行优化修正。使用kddcup99数据库中的网络异常流量数据进行实验研究,研究结果表明,所提出方法的检测性能要明显优于常规算法,其对bp神经网络的结构、权值以及阈值进行同步优化,避免了盲目选择bp神经网络结构参数带来的问题,避免了常规bp神经网络容易陷入局部最优解的问题。

商品房的价格受多方面因素的影响,传统的预测方法并不十分有效。为了探索新的房价预测理论模型,利用重庆市的数据,验证了遗传算法改进的bp神经网络房价预测的有效性,从而可以对房地产供求双方及监管机构提供一定的参考。

由于风能具有随机性和间歇性的特点,造成了其功率输出的不稳定,而大规模的风电接入给电力系统的正常稳定运行和调度带来影响。详细分析影响风电场输出的因素,确定风速、风向正弦和余弦为影响风电输出最主要的关联因素,采用统计预测方法将历史实际输出功率、风速、风向正弦和余弦作为bp神经网络的输入矢量,并采用人工蜂群算法优化得到神经网络的权值和阈值,构建abc-bp神经网络风电功率预测模型。通过对某实测风电功率进行预测验证,结果表明:基于蜂群算法改进的bp神经网络风电功率预测,可以克服bp神经网络易于陷入局部极小的缺陷和不足,极大地提高了全局搜索能力以及预测的稳定性和精度；同时,将自适应的选择策略引入到蜂群算法优化适应度的选择中,减少了网络层参数的训练时间,提高了收敛速度。

进度控制作为项目管理的主要内容，如何对施工进度进行有效的预测将有重要的现实意义，应用bp神经网络技术对工程进度进行预测，得到的预测值比线性方法更准确，精度更高。

本文结合住宅房地产的价格理论和相关网站上的数据,科学地选取影响商品住宅价格的影响指标为人均gdp、人均可支配收入、人口数量、房地产开发投资额和商品住宅建筑面积,并以此建立hedonic商品住宅价格影响因素模型。依照bp神经网络预测的实现步骤,探索bp神经网络在预测海口市商品住宅价格的应用,得到2018年6月-2019年5月商品住宅价格预测值,对海口市商品住宅价格的研究具有一定的指导作用。

利用matlab建立bp神经网络,将影响建筑能耗的18个因素作为网络的输入,进行学习训练,最后通过测试样本点数据预测建筑能耗,与dest-h模拟计算得到的结果比较,发现相对误差在3.5%以内,并通过实例验证了该网络模型的准确性。该方法使建筑人员在设计阶段就能快速且准确地获得设计建筑的能耗。

文章通过分析调查影响自贡房地产市场的主要因素,基于bp神经网络,结合自贡住宅市场的实际情况,建立两类bp神经网络预测模型:基于时间序列的趋势预测模型、基于影响因素的回归预测模型,预测了自贡房地产市场价格走势。模拟预测2010年的结果证明了2011年房价预测的有效性,可为自贡城市建设的可持续发展提供有价值的指导意见。