本文選題：小波神經(jīng)網(wǎng)絡(luò)　切入點：橋梁變形　出處：《測繪科學(xué)》2017年11期

【摘要】：針對BP網(wǎng)絡(luò)容易導(dǎo)致局部極小、不收斂的問題,提出了用小波神經(jīng)網(wǎng)絡(luò)擬合并預(yù)測大橋位移與其原因之間非線性關(guān)系的方法。提出了小波神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)的確定方法,該法可以確定網(wǎng)絡(luò)隱含層最優(yōu)節(jié)點數(shù);小波神經(jīng)網(wǎng)絡(luò)具有良好的局部特性、較強的學(xué)習(xí)能力和任意函數(shù)逼近能力,實現(xiàn)了大橋變形的精確擬合及預(yù)測。實測結(jié)果表明:所提算法經(jīng)過訓(xùn)練不僅可以準確擬合大橋位移曲線,而且預(yù)測精度較高,各項指標(biāo)均優(yōu)于BP網(wǎng)絡(luò)。
[Abstract]:In view of the problem of local minima and non-convergence caused by BP neural network, a method for predicting the nonlinear relationship between bridge displacement and its causes using wavelet neural network is proposed, and the method of determining the number of nodes in the hidden layer of wavelet neural network is presented. The method can determine the optimal number of nodes in the hidden layer of the network, and the wavelet neural network has good local characteristics, strong learning ability and arbitrary function approximation ability. The experimental results show that the proposed algorithm can not only accurately fit the displacement curve of the bridge, but also has a high prediction accuracy, and each index is superior to BP neural network.
【作者單位】： 宿遷學(xué)院建筑工程學(xué)院;
【基金】：江蘇省高校自然科學(xué)研究項目(13KJB420004) 宿遷市指令性科研項目(S2010010) 宿遷學(xué)院第五批精品課程項目
【分類號】：TP183;U446

【相似文獻】

相關(guān)期刊論文 前10條

1 王芬;馬濤;;基于小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測[J];寧夏師范學(xué)院學(xué)報;2012年06期

2 吳東平;盧耀軍;涂萬堂;;基于小波神經(jīng)網(wǎng)絡(luò)的短時交叉口交通沖突預(yù)測[J];武漢勘察設(shè)計;2011年01期

3 胡紀元;文鴻雁;周呂;陳冠宇;;基于小波神經(jīng)網(wǎng)絡(luò)的隧道變形預(yù)測模型研究[J];公路工程;2014年04期

4 楊英俊;趙祥模;;基于小波神經(jīng)網(wǎng)絡(luò)的出租車保有量預(yù)測模型[J];公路交通科技;2012年08期

5 沈永增;閆紀如;王煒;;基于混沌粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測[J];計算機應(yīng)用與軟件;2014年06期

6 王琦;;基于小波神經(jīng)網(wǎng)絡(luò)的高速公路區(qū)域經(jīng)濟影響評價[J];北方交通;2009年02期

7 黃恩洲;;基于粒子群—小波神經(jīng)網(wǎng)絡(luò)的短時交通量預(yù)測[J];黑龍江工程學(xué)院學(xué)報;2014年02期

8 肖旺新,張雪;小波神經(jīng)網(wǎng)絡(luò)在基于圖象處理的路面破損識別中的應(yīng)用[J];公路交通技術(shù);2005年04期

9 王磊;張建仁;金鵬飛;;基于小波神經(jīng)網(wǎng)絡(luò)銹蝕鋼筋強度預(yù)測研究[J];公路交通科技;2010年03期

10 楊超;王志偉;;經(jīng)GA優(yōu)化的WNN在交通流預(yù)測中的應(yīng)用[J];計算機工程;2011年14期

相關(guān)會議論文 前1條

1 葛廣英;程衛(wèi)國;吳金勇;張曉蕾;;基于小波神經(jīng)網(wǎng)絡(luò)的智能交通管理系統(tǒng)[A];2005年中國智能自動化會議論文集[C];2005年

相關(guān)碩士學(xué)位論文 前9條

1 趙光偉;BP小波神經(jīng)網(wǎng)絡(luò)在地鐵隧道變形分析中的應(yīng)用[D];東華理工大學(xué);2015年

2 陶麗;基于改進小波神經(jīng)網(wǎng)絡(luò)模型的交通流預(yù)測研究[D];上海工程技術(shù)大學(xué);2016年

3 吳兆;基于小波神經(jīng)網(wǎng)絡(luò)的斜拉橋損傷識別方法研究[D];長沙理工大學(xué);2015年

4 唐美霞;基于實時路況的動態(tài)路徑規(guī)劃研究[D];杭州電子科技大學(xué);2016年

5 劉文亞;基于徑向基改進的小波神經(jīng)網(wǎng)絡(luò)的航道交通安全評價[D];大連海事大學(xué);2016年

6 孫麗娟;基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)短時交通流預(yù)測[D];山東科技大學(xué);2009年

7 易功超;基于小波神經(jīng)網(wǎng)絡(luò)的預(yù)應(yīng)力混凝土梁橋健康狀態(tài)模擬分析[D];華南理工大學(xué);2013年

8 劉聰聰;小波神經(jīng)網(wǎng)絡(luò)算法及其在交通流宏觀動態(tài)特性中的應(yīng)用[D];重慶大學(xué);2014年

9 金玉婷;基于混沌和小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測方法研究[D];西南交通大學(xué);2014年

，

本文編號：1664847