本文關鍵詞：熵權遺傳算法及極限學習機地鐵隧道沉降預測

  更多相關文章： 地鐵隧道 沉降預測 極限學習機 熵權 遺傳算法 影響因素

【摘要】：針對目前的地鐵隧道沉降變形預測方法忽略了對沉降變形影響因素的綜合協(xié)調(diào)考慮這一問題,該文將遺傳算法(GA)結合極限學習機(ELM)的方法引入地鐵隧道沉降變形預測。該方法借助最大信息熵理論,充分挖掘地鐵隧道沉降主要影響因素與沉降量間的信息特征,并將遺傳算法與極限學習機相耦合,利用遺傳算法的全局搜索能力獲取ELM神經(jīng)網(wǎng)絡優(yōu)化的初始權值和閾值,形成熵權遺傳算法-極限學習機模型,并編制相應計算程序。采用該模型對西安某地鐵隧道沉降變形進行預測,并與遺傳算法-極限學習機、極限學習機、傳統(tǒng)的BP神經(jīng)網(wǎng)絡預測結果進行比較,結果表明熵權遺傳算法-極限學習機模型與實測值吻合更好,預測結果更穩(wěn)定。
【作者單位】： 中國礦業(yè)大學(北京)地球科學與測繪工程學院;河南城建學院測繪工程學院;河南理工大學礦山空間信息技術國家測繪地理信息局重點實驗室;
【關鍵詞】： 地鐵隧道 沉降預測 極限學習機 熵權 遺傳算法 影響因素
【基金】：國家自然科學基金項目(51474217;41071328) 礦山空間信息技術國家測繪地理信息局重點實驗室基金項目(KLM201306)
【分類號】：U456.3;U231
【正文快照】： 0引言地鐵隧道沉降變形是地鐵建設及運營過程中存在的必然現(xiàn)象,為消除隧道沉降變形帶來的安全隱患,對其進行沉降預測具有重要的意義。然而由于地鐵隧道其賦存環(huán)境、施工材料、自身結構的復雜性,使得其沉降變形表現(xiàn)出非線性、隨機性、模糊性等特點,導致很難用一些常規(guī)的數(shù)學模

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設計[J];液壓氣動與密封;2001年02期

2 王毅,曹樹良;遺傳算法在并聯(lián)水泵系統(tǒng)運行優(yōu)化中的應用[J];流體機械;2003年10期

3 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學學報(自然科學版);2004年05期

4 李凡,黃數(shù)林,張東風;一種改進的多倍體遺傳算法[J];華中科技大學學報(自然科學版);2005年01期

5 韋雪潔;黎明;劉高航;田貴超;;注入式的遺傳算法的分析與研究[J];南昌航空工業(yè)學院學報(自然科學版);2006年01期

6 閻綱;;遺傳算法及其仿真[J];湖南工程學院學報(自然科學版);2006年04期

7 ;遺傳算法[J];電網(wǎng)與清潔能源;2008年10期

8 吳玫;陸金桂;;遺傳算法的研究進展綜述[J];機床與液壓;2008年03期

9 李培植;肖利明;于靜濤;;基于遺傳算法的結構優(yōu)化方法[J];公路交通科技(應用技術版);2008年08期

10 于金;金樂;杜海璐;;基于改進遺傳算法的集裝箱裝載優(yōu)化問題研究[J];船海工程;2008年05期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應用[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設計中的應用[A];第五屆全國制冷空調(diào)新技術研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進的遺傳算法在反演問題中的應用[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設計算機應用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學術研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設計[A];全國第二屆信號處理與應用學術會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機編程中的應用[A];1995年中國智能自動化學術會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學術會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學術會議論文集（下冊）[C];1996年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 林京;《神經(jīng)網(wǎng)絡和遺傳算法在水科學領域的應用》將面市[N];中國水利報;2002年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 周輝仁;遞階遺傳算法理論及其應用研究[D];天津大學;2008年

2 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應用[D];中國礦業(yè)大學;2009年

3 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應用研究[D];西安電子科技大學;1998年

4 馬國田;遺傳算法及其在電磁工程中的應用[D];西安電子科技大學;1998年

5 唐文艷;結構優(yōu)化中的遺傳算法研究和應用[D];大連理工大學;2002年

6 周激流;遺傳算法理論及其在水問題中應用的研究[D];四川大學;2000年

7 劉冀成;基于改進遺傳算法的生物電磁成像與磁場聚焦應用研究[D];四川大學;2005年

8 袁麗華;基于物種進化的遺傳算法研究[D];南京航空航天大學;2009年

9 李航;遺傳算法求解多模態(tài)優(yōu)化問題的研究[D];天津大學;2007年

10 石玉;提高實數(shù)遺傳算法數(shù)值優(yōu)化效率的研究[D];南京航空航天大學;2002年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學;2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學;2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預測控制[D];華南理工大學;2015年

4 王琳琳;新型雙層液壓轎運車車廂的設計研究[D];上海工程技術大學;2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風面積比優(yōu)化方法研究[D];華南理工大學;2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學;2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學;2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學;2015年

9 吳南;數(shù)值逼近遺傳算法的研究應用[D];華南理工大學;2015年

10 于光帥;一類優(yōu)化算法的改進研究與應用[D];渤海大學;2015年

，

本文編號：979002