全文预览

改进的bp神经网络在高速铁路变形分析中的应用

上传者:菩提 |  格式:pdf  |  页数:3 |  大小:537KB

文档介绍
该调节量记住,以便在下面的加权调节中使用。带有动量项的加权调节公式为:△(£+1):+△伽()(4)Ow其中oL为动量系数,一般取0.9左右。引入动量项相当于在网络的学习过程中等效地改变了,不再是恒定的值。引入这个动量项后,使得调节向着底部的平均方向变化,不致产生大的摆动,即动量项起到缓冲平滑的作用。若系统进入误差函数面的平坦区,那么误差将变化很小。4实例分析为了体现改进方法的优越性,现结合某高铁桥墩沉降变形监测数据来进行分析验证。现取桥墩变形监测网中的两个墩身观测标DK1252+590D2和DK1252+614D1的20期数据进行分析,利用前15期观测数据序列作为训练样本,分别采用传统BP算法模型和对数据归一化后加入动量项的改进BP算法模型对后5期观测数据进行预测,如表1、表2所示。DKl252+590D2沉降观测标的沉降量表1传统BP算法和改进的BP算法预测结果:DK1252+614DI沉降观测标的沉降量预测结果表4DK1252+S90D2沉降观测标的沉降量预测结果表3观测实测值传统BP算法改进的BP算法预测值绝对误差预测值绝对误差期数/mm/111111/mm/nlm/mm16期5.155.090.065.2OO.0517期5.255.1l0.145.22O.O318期5.135.150.O25.250.1219期5.365.030.335.250.112O期5.225.210.O15.260.04模型精度/mm0.08470.0416观测实测值传统BP算法改进的BP算法期数预测值绝对误差预测值绝对误差16期4.744.50O.244.82O.0817期5.215.43O.225.320.1118期5.135.180.o55.090.0419期5.3l5.48O.175.3lO.0o20期5.435.220.2I5.32O.II模型精度/ram0.10090.0429

收藏

分享

举报
下载此文档