基于FOA-BP神经网络的高铁沉降预测

论文摘要

BP神经网络在沉降预测过程中存在预测精度有限、收敛速度慢等缺点。为提高BP神经网络在高铁沉降预测中的精度,基于改进的果蝇算法（FOA）,利用其味道浓度函数来代替BP神经网络中的梯度函数,建立果蝇算法优化BP神经网络的预测模型—FOA-BP模型。通过果蝇种群迭代寻优获取最合适的权值和阈值,重新构建BP神经网络进行沉降预测。分别采用BP神经网络算法与FOA-BP神经网络算法对某高铁路基沉降监测点的沉降趋势进行预测,将两种算法的迭代次数、均方误差与平均相对百分比误差3个指标进行对比分析,结果表明:FOA-BP神经网络算法的三种指标均远小于BP神经网络算法,其模型精度更高,预测速度更快。

论文目录

• 1 改进果蝇算法优化BP神经网络预测模型
•   1.1 改进的果蝇算法原理
•   1.2 改进果蝇算法优化BP神经网络预测模型的实现
• 2 实例分析
• 3 结束语

文章来源

类型: 期刊论文

作者: 陈涛

关键词: 高铁沉降,果蝇算法,神经网络,预测模型

来源: 铁道勘察 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 铁路运输,自动化技术

单位: 中国铁路设计集团有限公司

分类号: U213.157;TP183

DOI: 10.19630/j.cnki.tdkc.201901170001

页码: 43-46

总页数: 4

文件大小: 198K

下载量: 160