基于PSO-BP神经网络的隧道内气动压力幅值预测 |
| |
作者姓名: | 崔峰 王汉封 舒卓乐 |
| |
作者单位: | 1. 中南大学土木工程学院;2. 中南大学高速铁路建造技术国家工程研究中心 |
| |
基金项目: | 国家自然科学基金资助项目(52078505)~~; |
| |
摘 要: | 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。
|
关 键 词: | 高速列车 隧道 气动压力幅值 PSO-BP神经网络模型 交叉验证 |
|