文献类型：期刊文章

作　　者：丁建文[1] 魏霞[1] 高鹏举[1] 胡健[2] 陈伟航[1] 焦宁[1]

Ding Jianwen;Wei Xia;Gao Pengju;Hu Jian;Chen Weihang;Jiao Ning(School of Transportation,Southeast University,Nanjing 210096,China;Jiangsu Xiandai Road&Bridge Co.,Ltd.,Nanjing 210049,China)

机构地区：[1]东南大学交通学院,南京210096 [2]江苏现代路桥有限责任公司,南京210049

出　　处：《东南大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(51978159).

年　　份：2023

卷　　号：53

期　　号：4

起止页码：585-591

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了实现高速公路软土路基沉降的准确预测,采用遗传算法(GA)优化BP神经网络,研究3种输入对预测结果精度的影响.选取时间t以及其15 d前的沉降量S_(t-15)和平均沉降速率v_(t-15)为影响因素,在t、t-S_(t-15)、t-S_(t-15)-v_(t-15)三种输入下,分别取某高速公路软土路基运营期实测沉降数据的前50%、80%为训练集,余下原始数据为测试集,重复训练10次后取平均值作为输出值.采用决定系数(R^(2))来判别模型拟合度,均方根误差(RMSE)和平均绝对百分比误差(MAPE)作为模型性能的评价指标.结果表明:3种输入的R^(2)均大于0.99;训练集占原始数据的比例为50%时,t-S_(t-15)输入的预测误差最小,RMSE为1.31 mm,MAPE为4.71%;训练集占原始数据的比例为80%时,t-S_(t-15)-v_(t-15)输入的预测误差最小,RMSE为0.29 mm,MAPE为1.00%.t、t-S_(t-15)、t-S_(t-15)-v_(t-15)三种输入都可对路基沉降进行预测,其中t-S_(t-15)-v_(t-15)输入下取实测沉降数据的80%作为训练集时预测结果最精确.

关 键 词：软土路基 运营期沉降  遗传算法(GA)  BP神经网络 预测  

分 类 号：TU454]