综述人工神经网络在地基沉降预测中的应用（经济毕业论文）.docVIP

综述人工神经网络在地基沉降预测中的应用（经济毕业论文） 文档信息 主题： 关于“建筑或环境”中“测绘”的参考范文。 属性： F-0123W3，doc格式，正文3400字。质优实惠，欢迎下载！ 适用： 作为文章写作的参考文献，解决如何写好实用应用文、正确编写文案格式、内容摘取等相关工作。 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 搞要 2 关键字：人工神经网络 地基沉降 2 1人工神经网络的简介 2 2BP建模的基本思路 3 （1，2，，；1，2，，） （2） 4 3）对每个模式对（、）（1，2，，）进行一下操作： 4 3BP建模的一些问题 6 4结 语 6 参考文献 7 1.北京中电奥龙建筑工程有限公司 8 2 赵玉杰中国水电基础局有限公司 8 3.华北水利水电学院资源与环境学院 8 论文原创声明（模板） 8 论文致谢（模板） 9 正文 综述人工神经网络在地基沉降预测中的应用（经济毕业论文） 搞要 摘要：人工神经网络在近几年来发展迅速，在岩土工程界得到了广泛的应用，尤其在地基沉降预测方面取得了突出了成绩，本文将结合现有的一些工程实例来简单地综述一下人工神经网络在地基沉降预测方面的优越性 关键字：人工神经网络 地基沉降 随着我国经济的发展，高速公路，高层建筑等作为基础建设的一部分，也得到了迅猛地发展。这些基础建设中最首要的任务就是地基处理，因此对地基沉降预测就成了工程建设者需要解决的首要问题之一。目前，对地基沉降预测的方法很多，除了传统的计算方法以外，还有可靠度分析法、沉降差法、FLAC有限差分法等。近几年，随着人工神经网络方法在岩土工程界的应用，利用人工神经网络方法来预测地基的沉降已取得的比较显著的成绩，本文将结合前人的一些工程实例来综述人工神经网络在地基沉降预测中的优越性。 1人工神经网络的简介 人工神经网络（Artificial Neural Network，简称ANN）[1]是集多种现代科学技术为一体的一门新兴实用科学技术。神经网络反映了人脑功能的基本特性，是人脑的抽象、简化，模拟它的信息处理是由神经元之间的相互作用来实现的；知识与信息的存储表现为网络元件互连间分布式的物理联系；学习和识别取决于各神经元连接权值的动态变化过程。人工神经网络正是在人类对其大脑神经网络认识理解的基础上人工构造的能够实瑰某种功能的神经网络。它是理论化的人脑神经网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。它实际上是由大量简单元件相互连接而成的复杂网络，具有高度的非线性，能够进行复杂的逻辑操作和非线性关系实现的系统。 2BP建模的基本思路 BP神经网络原理[2] BP神经网络（Error Back ?C Propagation，简称EBP或BP神经网络模型）是一种具有三层或三层以上阶层结构的、采用多层前馈神经网络的误差逆传模型。层间各神经元实现全连接，即下层的每一个单元与上层的每个单元都实现权连接，而每层神经元之间不连接。网络按有导师示教的方式进行监督训练学习，当一对学习模式提供给网络后，神经元的激活值从输入层经中间层向输出层传播，在输出层的各神经元均获得网络的输入响应，并按照减小希望输出与实际输出值之间误差的方向，从输出层经各中间层逐修正各连接权值，最后回到输入层，所以称之为“误差逆传播算法”。随着这种误差逆传播修正的不断进行，网络对输入模式响应的真确率也不断上升，最后在允许的误差范围内，网络达到平衡状态（实际输出值接近于希望输出值）而自动收敛。 （1）BP网络结构：最基本的BP网络只有3层结构，即输入层（由n个神经元节点组成）、隐含层（由p个神经元节点组成）和输出层（由q个神经元节点组成）（图1） （2）BP网络学习算法：误差逆传播学习过程通过一个使能量函数最小化过程来完成输入到输出的映射。通常定义能量函数E为输出层单元的均方误差，设有L个学习样本，则： （1） 式中，、分别表示样本的实际输出与希望输出。BP网络的学习过程由向前计算过程和误差逆传播过程完成。学习过程如下： 1）网络的初始化：输入学习率、；给定最大学习误差（收敛精确度）；给输入层至隐含层连接权矩阵、隐含层至输出层的权矩阵 赋[-1，1]区间的随机值。 2）为网络提供一组学习样本，为不使输入节点的绝对值影响网络的学习性能首先要对数据进行归一化处理。国内文献[3,4]常用的归一化处理方法： （1，2，，；1，2，，） （2） 其中，、分别为第j个输入变量的最大值和最小值。同样地，对输出层数据也要做上述预处理。 3）对每个模式对（、）（1，2，，）进行一下操作： a．计算各层加权输入值和输出值： 隐含层加权输入，输出，（1，2，，） （3）