隧道圍巖破壞模式的人工智能預(yù)測.pdf

1、本文采用人工神經(jīng)網(wǎng)絡(luò)的方法建立了用于預(yù)測隧道圍巖破壞模式的遺傳神經(jīng)網(wǎng)絡(luò),對用人工智能方法預(yù)測隧道圍巖破壞模式進(jìn)行了一次嶄新的嘗試。文中綜合分析了對隧道圍巖破壞模式有影響的各種因素，并用統(tǒng)計(jì)學(xué)中的主成分分析方法分析了影響隧道圍巖破壞模式的各種因素，最終確定了影響圍巖破壞模式的14個(gè)分類指標(biāo)。BP人工神經(jīng)網(wǎng)絡(luò)被認(rèn)為是最適合于樣本分類的模型，而傳統(tǒng)的標(biāo)準(zhǔn)BP算法存在著諸如訓(xùn)練速度慢、易陷入局部極小值等問題，針對這些問題，文中給出了改進(jìn)的方法。

2、此外，如何確定用于預(yù)測的合理的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)也是關(guān)鍵問題，對這一問題的研究，本文采用了遺傳算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法。 本文首先對遺傳算法以及人工神經(jīng)網(wǎng)絡(luò)理論進(jìn)行了介紹，然后分析了其各自的優(yōu)缺點(diǎn)，提出了用遺傳算法的全局搜索性來彌補(bǔ)BP神經(jīng)網(wǎng)絡(luò)的局部極小的缺陷，建立了用于預(yù)測隧道圍巖破壞模式的模型。模型首先利用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)以及權(quán)值和閾值進(jìn)行優(yōu)化，得到最佳的網(wǎng)絡(luò)結(jié)構(gòu)之后，再利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練最終得出預(yù)測的結(jié)果。