申请/专利权人:郑州大学
申请日:2021-03-01
公开(公告)日:2021-06-08
公开(公告)号:CN112926117A
主分类号:G06F30/13(20200101)
分类号:G06F30/13(20200101);G06F30/27(20200101);G06N3/00(20060101);G06N3/04(20060101);G06N3/08(20060101);G06F119/14(20200101)
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2023.11.07#发明专利申请公布后的驳回;2021.08.17#实质审查的生效;2021.06.08#公开
摘要:本发明涉及一种基于BAS‑BP的桩基水平承载力预测方法,包括以下步骤:a、获取桩基水平承载力试验数据,处理形成数据集,将数据集随机划分为训练集和测试集;b、初始化BP神经网络模型参数和天牛须算法参数,构建BAS‑BP神经网络模型;BAS算法通过迭代更新寻找到最优初始连接权值和阈值,并得到最优适应度值,构建最优BAS‑BP神经网络模型;c、训练BAS‑BP神经网络模型的初始连接权值和阈值,将训练样本和测试样本导入到训练好的BAS‑BP神经网络模型进行桩基水平承载力预测。本发明方法改善了BP神经网络易陷入局部极值的问题,并与BP神经网络模型、GA‑BP神经网络模型和PSO‑BP神经网络模型进行预测效果相比,具有更好地预测效果,对于桩基水平承载力预测有很好的适用性。
主权项:1.一种基于BAS-BP神经网络模型的桩基水平承载力的预测方法,其特征在于:按下述步骤进行:a、获取桩基水平承载力试验数据,并对所述桩基水平承载力试验数据进行归一化处理形成数据集,并将数据集随机划分为训练集和测试集;b、初始化BP神经网络模型参数和天牛须算法参数,构建用于桩基水平承载力预测的BAS-BP神经网络模型;随机生成神经网络初始连接权值和阈值作为天牛的初始空间位置,并计算此时的适应度值,BAS算法通过迭代更新寻找到最优初始连接权值和阈值,并得到最优适应度值,构建最优BAS-BP神经网络模型;并设定神经网络的输入层与隐含层之间的传递函数为tansig,隐含层与输出层之间的传递函数为purelin,设定神经网络采取trainlm作为训练函数调整计算过程中的阈值和权值;c、采取训练集训练BAS-BP神经网络模型的初始连接权值和阈值,直至训练误差达到预设精度,获得最优神经网络连接权值和阈值,再将训练集中的训练样本和测试集中的测试样本导入到训练好的BAS-BP神经网络模型进行桩基水平承载力预测。
全文数据:
权利要求:
百度查询: 郑州大学 一种基于BAS-BP的桩基水平承载力预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。