-
题名基于改进NNA和BP神经网络模型的深基坑沉降预测
- 1
-
-
作者
王仁志
张伟国
寇苗苗
刘飞
王金涛
张拥军
-
机构
青岛理工大学土木工程学院
-
出处
《科学技术与工程》
2025年第24期10416-10425,共10页
-
基金
国家自然科学基金青年科学基金(42107178,52104089)
山东省自然科学基金(ZR2022QD102)
青岛市科技惠民示范项目(23-2-8-cspz-13-nsh)。
-
文摘
为更精准预测基坑开挖卸荷引起的周边地表沉降,通过改进神经网络算法(neural network algorithm, NNA),提出一种具有信息反馈和反向学习机制的神经网络优化算法(neural network algorithm with feedback mechanism and reverse learning, FBRLNNA),并结合反向传播(back propagation, BP)神经网络构建地表沉降预测模型,将提出的沉降预测模型在青岛15号线地铁工程基坑中进行应用与验证。基于18种基准函数比较FBRLNNA与9种竞争优化算法的表现,仿真试验表明,FBRLNNA在80%的基础基准函数上均表现出更优的性能。对比分析FBRLNNA-BP模型及其他4种模型的基坑沉降预测结果,FBRLNNA-BP模型的均方误差(mean squared error, MSE)、平均绝对误差(mean absolute error, MAE)、均方根误差(root mean square error, RMSE)及决定系数(R^(2))均最佳,沉降预测结果误差小于5%,表明该预测模型具有更好的沉降预测精度。研究成果可为基坑开挖引发的地表沉降预测提供了新的方法和参考。
-
关键词
具有信息反馈和反向学习机制的神经网络优化算法(fbrlnna)
反向传播(BP)神经网络
fbrlnna-BP模型
基坑开挖
沉降预测
-
Keywords
neural network algorithm with feedback mechanism and reverse learning(fbrlnna)
back propagation(BP)neural network
fbrlnna-BP model
deep excavation
settlement prediction
-
分类号
TU753
[建筑科学]
TP18
[建筑科学—建筑技术科学]
-
