文献类型：期刊文章

作　　者：张晓宸[1,2] 陈学军[1,2] 宋宇[1,2] 马佩鑫[3]

ZHANG Xiaochenu;CHEN Xuejun;SONG Yu;MA Peixin(College of Civil and Architecture Engineering,Guilin University of Technology,Guilin,Guangxi 541004,China;Guangxi Key Laboratory of Geomechanics and Geotechnical Engineering,Guilin,Guangxi 541004,China;School of Information Science and Technology,Zhejiang Sci-Tech University,Hangzhou,Zhejiang 310018,China)

机构地区：[1]桂林理工大学土木与建筑工程学院,广西桂林市541004 [2]广西岩土力学与工程重点实验室,广西桂林市541004 [3]浙江理工大学信息学院,浙江杭州310018

出　　处：《矿业研究与开发》

基　　金：国家自然科学基金项目(41967037)。

年　　份：2022

卷　　号：42

期　　号：1

起止页码：71-76

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、ZGKJHX、核心刊

摘　　要：影响边坡稳定的因素繁杂多变,给边坡的稳定性评价与预测带来了困难,神经网络能够通过自学功能从样本数据中获取复杂的非线性关系,适用于解决边坡稳定性评价问题。因此,通过Python语言建立了BP神经网络模型,在此基础上借助粒子群算法提高模型的收敛速度与预测精度,建立了基于粒子群算法优化BP神经网络实现边坡形变数据的分析预测模型,选取边坡土体的容重、黏聚力和内摩擦角等6个主要影响因素作为评判边坡稳定性的指标,将神经网络模型得到的预测结果与实际数据进行对比,结果表明利用粒子群算法优化后得到的预测值误差更小,验证了该模型的合理性和有效性。

关 键 词：BP神经网络 粒子群(PSO)算法  边坡稳定性 PYTHON 数据预测

分 类 号：TD824.7]