中国安全生产科学技术2021，Vol.17Issue(8) ：18-23.DOI:10.11731/j.issn.1673-193x.2021.08.003

基于循环神经网络的缓坡场地液化侧移预测

Prediction of liquefaction-induced lateral displacement in gentle slope field based on recurrent neural network

吕俊超 潘建平 俞社鑫
中国安全生产科学技术2021，Vol.17Issue(8) ：18-23.DOI:10.11731/j.issn.1673-193x.2021.08.003
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于循环神经网络的缓坡场地液化侧移预测

Prediction of liquefaction-induced lateral displacement in gentle slope field based on recurrent neural network

吕俊超 1潘建平 2俞社鑫1
扫码查看

作者信息

  • 1. 江西理工大学土木与测绘工程学院,江西赣州341000
  • 2. 江西理工大学土木与测绘工程学院,江西赣州341000;江西省环境岩土与工程灾害控制重点实验室,江西赣州341000
  • 折叠

摘要

为预测缓坡场地地震液化侧向位移,基于改进自适应算法(Rectified Adam)和循环神经网络模型(RNN),提出液化侧移预测模型RA-RNN,通过对侧移数据进行样本学习,并利用改进自适应算法优化循环神经网络结构,验证RA-RNN模型可靠性,并与多元线性回归法(MLR)计算结果进行对比.结果 表明:RA-RNN模型计算得到侧移一般为实测位移的0.7 ～1.3倍,训练结果R2,RMSE,MAE分别为0.977,0.375,0.141;土耳其科喀艾里RA-RNN模型预测结果RMSE和MAE为MLR模型的1/26,1/830;中国台湾集集镇RA-RNN模型预测结果RMSE和MAE为MLR模型的1/18,1/350,RA-RNN模型预测结果较优,预测精度及泛化能力得到很大提升.

关键词

灾害学/循环神经网络/侧移预测/缓坡场地/Rectified/Adam算法

引用本文复制引用

基金项目

江西省科技支撑计划(20133BBG70103)

出版年

2021
中国安全生产科学技术
中国安全生产科学研究院

中国安全生产科学技术

CSTPCDCSCD北大核心
影响因子：1.119
ISSN：1673-193X
被引量1
参考文献量2
段落导航相关论文