粒子群神经网络在大跨钢结构挠度监测中的应用

摘要：

针对传统BP神经网络拓扑结构不确定、收敛效率低、容易陷入局部最优解的缺陷，引入粒子群( PSO)算法替代BP神经网络中基于误差函数梯度下降的学习训练规则，构建了粒子群神经网络(PSO－BP)模型，并以重庆某大型场馆安全监测项目为例，通过对比分析验证了粒子群神经网络模型在大跨钢结构挠度监测中的可行性以及与传统BP神经网络模型相比在效率和精度方面的优越性。

关键词：BP神经网络、粒子群算法、大跨钢结构、挠度监测

分类号：P258;TU196(专业测绘)

资助基金：住房和城乡建设部科学技术计划项目2015－k8－012

在线出版日期：2016-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：135-139