基于BP神经网络修正的自适应灰色模型的隧道变形预测研究

摘要：

隧道围岩具有高度的非线性变形特征,通过变形预测能有效判断隧道变形的发展趋势.首先以自适应GM(1,1)模型对隧道变形进行初步预测,且为保证自适应模型的参数为全局最优参数,提出以粒子群算法对模型参数进行优化;其次,以BP神经网络为基础,建立误差修正模型,旨在进一步提高预测精度.在此基础上,将该预测模型应用于2个工程实例中,结果表明:该预测模型在横向和纵向上的预测效果均较好,自适应能力和递推能力均较强,预测结果与实测值较为吻合,预测精度较高,能较好地反映隧道围岩的变形规律.该预测模型能较为有效地实现隧道围岩的动态预测,可以进行推广应用及研究,为隧道变形预测提供一种新的思路.

关键词：隧道、沉降变形、自适应GM(1,1)模型、BP神经网络、变形预测

所属期刊栏目：61

分类号：U456(隧道工程)

资助基金：陕西铁路工程职业技术学院科研项目KY2016-02

在线出版日期：2017-12-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：76-81