边坡位移预测的RBF神经网络方法
文献类型:期刊论文
作者 | 沈强; 陈从新; 汪稔 |
刊名 | 岩石力学与工程学报
![]() |
出版日期 | 2006 |
期号 | S1页码:2882-2887 |
关键词 | 边坡工程 边坡 位移 RBF神经网络 最近邻聚类算法 |
ISSN号 | 1000-6915 |
英文摘要 | 利用边坡实测位移序列来预测边坡未来时间的位移,可以有效地判断边坡的稳定性。由于神经网络可以通过对样本的反复学习来反映边坡复杂的非线性演化关系,其预测效果要优于传统的预测方法。RBF神经网络作为一种性能良好的前馈网络,具有更好的逼近能力和全局最优特性。以边坡位移时间序列为基础,采用RBF神经网络建立边坡位移预测模型,通过最近邻聚类学习算法实现边坡位移预测,具有结构简单、学习速度快、预测精度高的特点,网络的外推能力也较强。通过2个工程实例说明边坡位移预测的RBF神经网络方法的有效性。 |
语种 | 中文 |
源URL | [http://119.78.100.198/handle/2S6PX9GI/10532] ![]() |
专题 | 岩土力学所知识全产出_期刊论文 |
作者单位 | 中国科学院武汉岩土力学研究所 |
推荐引用方式 GB/T 7714 | 沈强,陈从新,汪稔. 边坡位移预测的RBF神经网络方法[J]. 岩石力学与工程学报,2006(S1):2882-2887. |
APA | 沈强,陈从新,&汪稔.(2006).边坡位移预测的RBF神经网络方法.岩石力学与工程学报(S1),2882-2887. |
MLA | 沈强,et al."边坡位移预测的RBF神经网络方法".岩石力学与工程学报 .S1(2006):2882-2887. |
入库方式: OAI收割
来源:武汉岩土力学研究所
浏览0
下载0
收藏0
其他版本
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。