2024年8月4日
星期日
|
欢迎来到青海省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
胡昊
作品数:
1
被引量:3
H指数:1
供职机构:
河海大学地球科学与工程学院
更多>>
发文基金:
国家自然科学基金
更多>>
相关领域:
建筑科学
更多>>
合作作者
魏继红
河海大学地球科学与工程学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
建筑科学
主题
1篇
神经网
1篇
神经网络
1篇
群算法
1篇
子群
1篇
粒子群
1篇
粒子群算法
1篇
安全系数
1篇
边坡
1篇
边坡安全
1篇
边坡安全系数
1篇
PSO-RB...
1篇
RBF神经网...
机构
1篇
河海大学
作者
1篇
魏继红
1篇
胡昊
传媒
1篇
河南科学
年份
1篇
2016
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于PSO-RBF的边坡安全系数预测
被引量:3
2016年
传统的径向基函数(RBF)神经网络在边坡稳定性预测中已经得到了广泛的应用,但由于其在预测中易陷入局部最优且参数选取不当会对收敛性产生影响.故引入粒子群算法(PSO)对RBF神经网络进行优化,利用其全局搜索能力对RBF神经网络的隐含层基函数中心值、宽度以及隐含层至输出层的连接权值进行参数寻优,建立了基于PSO-RBF的边坡安全系数预测模型.以114组边坡数据为训练样本,8组边坡数据为测试样本,结果显示基于PSO-RBF网络预测结果的最大误差为7.36%、最小为0.18%、平均误差为3.77%,而基于单纯RBF网络的预测结果的相应误差分析别为11.04%、1.34%、6.19%.可以看出,前者的预测结果明显优于后者,表明经粒子群算法优化后的RBF在预测精度上有了明显的提高.
胡昊
魏继红
关键词:
粒子群算法
RBF神经网络
边坡安全系数
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张