PSO-RBFNN模型及其在岩土工程非线性时间序列预测中的应用

被引：12

作者：

梁桂兰 ^{[1
]}

徐卫亚 ^{[1
]}

何育智 ^{[2
]}

赵延喜 ^{[1
]}

机构：

[1] 河海大学岩土工程研究所

[2] 南京市民用建筑设计研究院有限责任公司

来源：

岩土力学 | 2008年 / 04期

基金：

国家自然科学基金重点项目;

关键词：

粒子群优化; 径向基神经网络; 岩土工程; 非线性时间序列; 预测;

D O I：

10.16285/j.rsm.2008.04.038

中图分类号：

TU43 [土力学]; TU45 [岩石（岩体）力学及岩石测试];

学科分类号：

0801 ; 080104 ; 0815 ;

摘要：

岩土工程受力变形演化是一个典型的非线性问题,其演化的高度非线性和复杂性,很难用简单的力学、数学模型描述,但可用粒子群优化径向基神经网络对岩土工程应力、位移非线性时间序列进行动态实时预测。网络径向基层的单元数通过均值聚类法确定后,所有其它参数:中心位置、形状参数、网络权值,均通过粒子群优化算法在全局空间优化确定。工程实例应用表明,该模型预测结果准确、精度高,有良好的应用前景。

引用

页码：995 / 1000

页数：6

共 10 条

[1] 一种改进的粒子群优化RBF网络学习算法 [J].