首页|基于改进GWO-BP神经网络模型的箱涵沉降预测

基于改进GWO-BP神经网络模型的箱涵沉降预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
箱涵受外部荷载等多方面影响,会出现一定程度的不均匀沉降,可能会对箱涵结构造成破坏,因此箱涵地基沉降预测十分重要.引入灰狼算法(GWO)对BP神经网络的权值和阈值进行寻优,建立了基于改进的GWO-BP预测模型,对箱涵的沉降值进行预测.将该预测模型应用于南水北调工程天津某标段的箱涵沉降预测,并将预测值与实测值进行对比,相对误差在5％以下.通过与未改进的灰狼算法优化BP神经网络模型、BP模型进行对比,结果表明改进的灰狼算法优化BP神经网络预测模型具有更好的寻优能力与寻优精度,能够有效地对箱涵沉降值进行预测.
Prediction of Box Culvert Settlement Based on Improved GWO-BP Neural Network Model

杨阳、赵青、戚蓝、黎启贤、王毓杰、邹爽

展开 >

贵州大学 土木工程学院,贵州 贵阳550025

天津大学 建筑工程学院,天津300350

中国电建生态环境集团有限公司,广东 深圳518100

箱涵 沉降预测 灰狼算法 BP神经网络 权值和阈值

黔科合J字[2010]2247号贵大人基合字[2009]012号黔科合LH字[2016]7466号

2021

10.3969/j.issn.1000-1379.2021.10.029

人民黄河
水利部黄河水利委员会

人民黄河

CSTPCD北大核心
影响因子：0.494
ISSN：1000-1379
年,卷(期)：2021.43(10)
  • 1
  • 12