基于BP神经网络对隧道初衬砼应力的评价分析对比预测

作     者：郭剑锋 刘少凯 刘秀 吴勇 刘伟 寿凌超 王立峰 Guo Jianfeng;Liu Shaokai;Liu Xiu;Wu Yong;Liu Wei;Shou Lingchao;Wang Lifeng

作者机构：中国电建集团华东勘测设计研究院有限公司杭州310012 合肥市轨道交通集团有限公司合肥230001 浙江明燧科技有限公司杭州311400 浙江科技学院杭州310023 

基　　金：浙江省重点研究计划(2021C01131) 

出 版 物：《科技通报》 (Bulletin of Science and Technology)

年 卷 期：2024年第40卷第6期

页      码：41-47页

摘      要：为确定杨家山特大断面隧道特定区段的最佳预测引起的初衬砼应力模型,本文采用BP (back propagation)神经网络算法,以该区段初衬砼应力监测数据为输入值,使用5种方法训练网络,分析应力预测值和真实值的差异,给出预测误差的分布情况,以及网络训练过程中性能、验证和测试曲线。同时基于多目标优化问题的分析方法,对5种训练方式进行综合性评价。结果表明:从优到差的顺序依次为:Ploak-Ribiere共轭梯度法>自适应动量梯度下降法>拟牛顿算法>Powell-Beale共轭梯度法>Levenberg-Marquardt,Ploak-Ribiere共轭梯度法最优,预测准确度达到98%以上,故在后续隧道开挖过程中可通过Ploak-Ribiere共轭梯度法训练BP神经网络,对特定区段隧道所产生的初支与围岩应力进行有效预测,保证施工安全。

主 题 词：特大隧道 初衬砼应力 BP神经网络 训练方式对比 

学科分类：081401[081401] 08[工学] 0814[工学-地质类] 

D　O　I：10.13774/j.cnki.kjtb.2024.06.008

馆 藏 号：203128373...