基于GA-BP神经网络的富水砂层渣土改良效果预测

摘要：

为了解决通过室内试验评价渣土改良效果存在耗时长、成本高,无法满足目前隧道掘进中的预测需求等问题,基于深度学习,引入遗传算法GA(genetic algorithm)对传统BP(back propagation)神经网络重新设计和优化,创建GA-BP模型;选择均方根误差GMSE、平均绝对误差MAE和决定系数R2 作为评价模型预测效果的研究指标;利用机器学习中支持向量机算法与随机森林算法的预测结果与GA-BP模型的预测结果进行对比.试验结果表明:1)基于深度学习的传统BP模型和本文创建的GA-BP模型的各项评价指标皆高于机器学习算法;2)相较于传统BP网络的预测结果,GA-BP模型对内摩擦角、渗透系数和坍落度预测的最高相对误差分别降低了 7.18%、5.02%、1.17%,且GA-BP模型的RMSE、MAE和R2 值都优于传统BP模型和机器学习算法的预测结果.由此可得,基于深度学习的神经网络比机器学习算法更能提取到数据之间的关联性,且经过遗传算法优化后得到的GA-BP模型提高了传统BP模型的预测准确度.

关键词：富水砂层、渣土改良、遗传算法、BP神经网络、效果预测

所属期刊栏目：43

分类号：U45(隧道工程)

资助基金：国家重点研发计划;国家重点研发计划;国家自然科学基金;国家自然科学基金;清华大学水沙科学与水利水电工程国家重点实验室资助;北方工业大学毓杰项目;北方工业大学城市地下空间智能建造关键技术

在线出版日期：2023-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：222-232