科研之友
微信
新浪微博
Facebook
分享链接
摘要
在地铁隧道建设过程中,渣土改良效果是影响盾构掘进速度的关键因素。为确保盾构顺利掘进,以坍落度试验、渗透试验和电阻率测试的结果作为数据样本集,根据深度学习领域常用的数据划分方法将训练集、验证集和预测集按照6∶2∶2进行划分,基于BP神经网络建立渣土改良效果的预测模型,对南昌地区富水砂层进行渣土改良效果预测,并将预测值和实际值进行对比分析。/s、21.6°,相对误差平均值分别为1.76%、4.53%和3.60%;预测集的输出结果与实测值的部分数据重合,三者的平均误差均在5%以内,可决系数R2值分别为0.88、0.90和0.85,表明该神经网络结构属于高精度模型。预测结果的误差均在现场渣土改良的允许误差范围内,可见BP神经网络模型能够对渣土改良的效果进行精准预测。
- 单位
