基于误差分级迭代法的基坑变形预测

摘要：

BP(back propagation)神经网络算法在变形预测方面存在收敛速度慢、学习效率低、容易陷入局部最小值等问题,直接影响预测结果的精准性,利用误差分级迭代法优化的神经网络能够更好地降低误差,提升预测性能.通过对比分析误差分级迭代法与BP神经网络的优势,建立误差分级迭代法模型并编制误差分级迭代法变形预测程序.采用基坑工程实测数据,经过误差分级迭代法优化后神经网络的最大误差为0.96％,与径向基神经网络预测精度相比提高3.5％,利用误差分级迭代法预测基坑变形结果其精准性较高,具有一定的实用价值.

关键词：基坑变形;误差分级迭代;BP神经网络;仿真;优化算法;径向基;预测

所属期刊栏目：21

分类号：TP183;TP391.9(自动化基础理论)

资助基金：河北省科技厅重点研发计划20373802D

在线出版日期：2021-08-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：5822-5827