神经网络模型在坝基扬压力影响因子量化分析中的应用

神经网络模型在坝基扬压力影响因子量化分析中的应用

,

文章导航 > 水文地质工程地质 > 2005 > (3): 38-41

周剑, 宋汉周. 神经网络模型在坝基扬压力影响因子量化分析中的应用[J]. 水文地质工程地质, 2005, (3): 38-41. doi: 10.3969/j.issn.1000-3665.2005.03.010

引用本文:

周剑, 宋汉周. 神经网络模型在坝基扬压力影响因子量化分析中的应用[J]. 水文地质工程地质, 2005, (3): 38-41. doi: 10.3969/j.issn.1000-3665.2005.03.010

ZHOU Jian, SONG Han-zhou. Application of improved neural network model into analysis of uplift pressure under dam-foundation[J]. Hydrogeology & Engineering Geology, 2005, (3): 38-41. doi: 10.3969/j.issn.1000-3665.2005.03.010

Citation:

ZHOU Jian, SONG Han-zhou. Application of improved neural network model into analysis of uplift pressure under dam-foundation[J]. Hydrogeology & Engineering Geology, 2005, (3): 38-41. doi: 10.3969/j.issn.1000-3665.2005.03.010

神经网络模型在坝基扬压力影响因子量化分析中的应用

周剑,
宋汉周

河海大学地质及岩土工程系,南京,210098

河海大学

详细信息

中图分类号: P641.2%P641.8

刊出日期: 2005-06-15

Application of improved neural network model into analysis of uplift pressure under dam-foundation

Publish Date: 15 June 2005

摘要: 本文应用改进的BP网络模型定量分析坝基扬压力的影响因子,赋于网络不同的权值来表示网络的输入变量(水位、温度、时效等因子)对网络的输出变量(扬压力)的影响程度,从而确定各影响因子分量对扬压力的影响比例.采用Lvenberg-Marquardt算法训练网络,网络达到一定的次数后收敛.实例计算结果表明,该模型具有计算精度高、简便实用等特点.因而认为,把神经网络模型应用于探讨诸如环境量对于效应量影响程度的一类问题,具有好的前景.
- BP网络模型 /
- 坝基扬压力 /
- 影响因子 /
- 量化分析

资源附件(0)

计量

文章访问数: 179
PDF下载数: 0
施引文献: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回