文献类型：期刊文章

作　　者：邓传军[1] 欧阳斌[1] 陈艳红[1]

DENG Chuanjun;OUYANG Bin;CHEN Yanhong(Department of Mining and Construction Engineering, Jiangxi Vocational College of Industry ＆ Engineering, Pingxiang, Jiangxi 337000, Chin)

机构地区：[1]江西工业工程职业技术学院采矿与建筑工程系,江西萍乡337000

出　　处：《测绘科学》

年　　份：2018

卷　　号：43

期　　号：6

起止页码：27-31

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为更好地预测建筑物沉降,该文使用粒子群优化(PSO)算法BP神经网络进行建筑物沉降预测。利用PSO算法修正BP神经网络的初始权重和阀值,优化BP神经网络机构及算法全局收敛性,建立基于PSO-BP预测模型。将所建立的预测模型应用于实际案例,通过已有的监测数据,分别进行传统BP神经网络预测和PSO-BP神经网络预测,对预测的结果进行对比,结果表明,基于PSO-BP神经网络的建筑物沉降预测结果明显优于传统BP神经网络预测模型。

关 键 词：建筑物沉降 预测  BP神经网络 粒子群优化

分 类 号：TU433] TP18[土木类]