粒子群优化BP神经网络算法在公路形变预测中的应用分析

摘要：

为了提高公路变形预测的精度,提出了一种粒子群优化(PSO)的神经网络方法实现公路形变数据预测分析,建立PSO-BP公路形变预测模型,以公路的承载、温度和时效数据为输入,以公路平面的竖向形变位移为输出,PSO优化粒子群体极值PgBest,通过适应度函数获得每个粒子的适应度值,更新粒子的速度和位置,获得BP神经网络的最优初始权值和阈值,BP神经网络按照误差反向传递的方式进行训练,提高BP神经网络的预测精度.最后选取120组公路形变监测数据对算法的应用进行分析,结果表明:与未优化BP神经网络相比,PSO-BP模型的拟合效果较好,与实测值之间的差值小,输出精度高.PSO-BP网络模型进行公路形变预测分析可行.

关键词：公路形变、神经网络、粒子群优化(PSO)、数据预测

所属期刊栏目：43

分类号：P315.75;TH82;U412.24(大地（岩石界）物理学（固体地球物理学）)

资助基金：基于翻转课堂在《公路检测技术》教学中的应用研究SZJYB19-156

在线出版日期：2020-09-29（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：80-84