公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

如何理解应力张量不变量: 2013年; 教科书上有关应力张量不变量的解释并不是很详细,初学者不能很容易弄明白。对比从矩阵的角度来解释三个应力不变量,从方程的角度可以更加清楚的解释这三个不变量为什么不变,从而提高学生学习的效率和兴趣。; 胡泽涛; 关键词：应力张量不变量

PSO算法在边坡稳定性评价中的实用性: 2012年; 针对PSO算法的实用性和优化效果,选用四个测试函数,计算它们在不同的PSO优化算法和不同维数下的结果,并给出边坡稳定性平价实例计算。计算结果表明不同的PSO优化算法的实用性和效果不同,同种PSO算法对不同问题的优化效果也不同,随着维数的增加各个优化算法的效果也越来越差。; 胡泽涛张伟钟金池; 关键词：PSO算法高维边坡稳定性

BP神经网络模型的改进及其在边坡稳定性评价中的应用: 边坡稳定性的神经网络评价方法是边坡稳定性分析中的一种重要方法，该方法在工程实际中得到广泛的应用。因此，对网络性能的改进和优化具有现实的理论意义和实践意义。本文在前人成果的基础上，通过仿真计算与工程实际相结合的方法，对BP...; 胡泽涛; 关键词：BP神经网络边坡稳定性粒子群优化算法; 文献传递

基于PCA-BP融合的边坡稳定性评价模型被引量：5: 2016年; 针对边坡岩土体物理力学性质复杂、边坡稳定性影响因素众多等特点,提出将主成分分析(PCA)和BP神经网络结合起来进行边坡稳定性评价的方法。若BP神经网络训练误差一定,则网络信息容量与样本数成正比。当样本数较少时,就必须减少样本维数,以达到较好的匹配效果,为此,引入主成分分析法(PCA)对影响边坡稳定的众多变量进行降维处理,以消除输入数据间的相关性,有效地减少预测模型的输入量,优化网络的输入节点数,提高网络的运行效率。针对BP算法容易落入局部最小、收敛速度慢等缺点,引入粒子群优化算法(PSO)优化神经网络的连接权重与阀值,从而克服了BP神经网络的固有缺陷。在此基础上,建立基于PSO优化算法的PCA-BP融合的边坡稳定性评价模型。模型分为3个层次,第一层次为输入层,即经过PCA分析之后获得的主成分;第二层次为隐含层;第三层次为输出层,即安全系数。应用该评价模型进行算例分析,结果表明,安全系数的模型计算值与参考值的绝对误差均很小,相对误差均控制在6%以内,吻合程度较高。; 高文华罗新辉胡泽涛; 关键词：安全工程粒子群优化算法 BP神经网络主成分分析

PCA-PSOBP在边坡稳定性评价中的应用被引量：1: 2013年; BP神经网络在使用时会遇到泛化和局部极小的问题。为改善这些问题,引入主成分分析(PCA)方法对样本数据进行处理,同时引入粒子群优化算法(PSO)优化BP网络的初始权值和阀值,采用PSO和BP接力计算的方式。计算结果表明,PCA-PSOBP对边坡稳定性的评价有较好的适用性。; 胡泽涛高文华姜晓日; 关键词：泛化能力粒子群算法边坡稳定性

全选清除导出

共1页<1>

胡泽涛