典型文献
贝叶斯正则化神经网络在深基坑变形预测的应用
文献摘要：
针对传统BP神经网络在深基坑施工开挖变形的预测,基坑的安全性判定仅利用监测的最终数值而无法全面服务于深基坑工程,提出了一种遗传算法(Genetic Algorithm,GA)和贝叶斯正则化算法(Bayesian Regulariza-tion,BR)组合优化传统BP神经网络的预测模型,在优化预测模型中加入了影响深基坑安全稳定的客观因素及人为主观因素,进一步提高了BP神经网络全局优化能力以及泛化能力.研究结果表明:该组合优化方法对深基坑地表沉降和水平位移变形预测的平均相对误差分别为0.32％和0.59％,表现出较高的预测精度.该组合优化模型首次在深基坑变形领域验证了应用的可行性,为深基坑变形预测提供了新的思路和方法.
文献关键词：
深基坑变形预测;贝叶斯正则化;遗传算法;BP神经网络;人为主观因素
中图分类号：
作者姓名：
岳建伟;仲豪磊;顾丽华;邢旋旋;黎鹏;张静;王自法
作者机构：
河南大学 土木建筑学院,河南开封475004;河南省轨道交通智能建造工程中心,河南开封475004
文献出处：
引用格式：
[1]岳建伟;仲豪磊;顾丽华;邢旋旋;黎鹏;张静;王自法-.贝叶斯正则化神经网络在深基坑变形预测的应用)[J].河南大学学报（自然科学版）,2022(02):200-209
A类：
深基坑变形预测,Regulariza
B类：
贝叶斯正则化,深基坑施工,开挖变形,深基坑工程,Genetic,Algorithm,GA,正则化算法,Bayesian,tion,BR,基坑安全,客观因素,人为主观因素,全局优化,泛化能力,该组,地表沉降,水平位移,位移变形,平均相对误差,组合优化模型,思路和方法
AB值：
0.222753
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
