文献类型：期刊文章

作　　者：陈柚州[1] 任涛[2] 邓朋[2] 王斌[3]

CHEN Youzhou;REN Tao;DENG Peng;WANG Bin(Chongqing Expressway Group Co.,Ltd.Chongqing 401120;Chongqing Traffic Engineering Quality Inspection Co.,Ltd.,Chongqing 400067;China Railway Southeast Research Institute Co.,Ltd.,Chengdu 611731)

机构地区：[1]重庆高速公路集团有限公司,重庆401120 [2]重庆市交通工程质量检测有限公司,重庆400067 [3]中铁西南科学研究院有限公司,成都611731

出　　处：《现代隧道技术》

基　　金：中铁科学研究院有限公司青年基金资助项目(2015-KJ021-Z021-02)

年　　份：2019

卷　　号：56

期　　号：4

起止页码：56-61

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：小波神经网络存在收敛速度较慢、易陷入局部最优的缺陷,而人工蜂群算法收敛速度快且同时具有局部和全局搜索的能力。文章利用人工蜂群算法对小波神经网络进行优化,形成人工蜂群小波神经网络,并将其应用于地铁隧道沉降预测;并以深圳地铁10号线为例,将该模型的预测结果与BP神经网络、小波神经网络进行对比分析。结果表明,人工蜂群小波神经网络较其它两种模型的预测精度更高,预测结果更稳定。

关 键 词：地铁隧道 沉降预测 人工蜂群 小波神经网络 BP神经网络

分 类 号：U456.31]