首页|基于GA-PSO混合优化BP的面板堆石坝爆破料压实质量评价

基于GA-PSO混合优化BP的面板堆石坝爆破料压实质量评价

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
碾压质量评价是大坝智慧化施工的关键技术之一,对坝体安全稳定性具有重要影响,而目前对其评价模型和方法尚未达成一致认识.以新疆阿尔塔什面板堆石坝为依托工程,结合现场填筑碾压监测数据和试坑检测试验数据,提出基于遗传算法和粒子群算法混合优化的BP神经网络算法(GA-PSO-BP)的爆破料压实质量评价模型.通过与BP、GA-BP、PSO-BP 3种预测模型进行对比分析,证明该模型的精度和优越性.结果表明:提出的基于GA-PSO-BP模型收敛速度更快、性能更好,且基于GA-PSO混合优化后的BP神经网络爆破料压实质量评价模型精度相对较高,可用于与新疆阿尔塔什混凝土面板堆石坝类似工况的压实质量评价.
Compaction Quality Evaluation of Blasting Material of Concrete Face Rockfill Dam Based on BP Neural Network Which Optimized by GA-PSO

宿辉、孙熇远、赵宇飞、刘世伟、赵翠东、杨宇

展开 >

河北省智慧水利重点实验室,河北 邯郸056006

河北工程大学 水利水电学院,河北 邯郸056006

中国水利水电科学研究院,北京100044

堆石坝 爆破料 压实质量 BP神经网络 粒子群算法 遗传算法

河北省自然科学基金资助项目河北省高等学校科学技术研究项目

E2020402087QN2021030

2023

10.3969/j.issn.1000-1379.2023.06.025

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)：2023.45(6)
  • 1
  • 15