基于PSO-BP神经网络的隧道内气动压力幅值预测

将BP神经网络技术用于隧道内气动压力变化幅值的预测，使用粒子群算法(particle swarm optimization,PSO)对其进行优化，构建PSO-BP神经网络模型。为了验证模型的准确性和可靠性，利用收集到的数据样本对模型进行训练测试，并引入交叉验证法评估2种模型的性能。研究结果表明：PSO-BP神经网络能够准确预测不同情况下的气动压力幅值，而且在平均相对误差、平均绝对误差、均方根误差以及样本的决定系数等方面均比未优化的BP神经网络的好，具有更高的预测精度。通过建立的PSO-BP压力幅值预测模型，得到了压力幅值在不同条件下的变化规律。