粒子群优化BP神经网络算法在公路形变预测中的应用分析

作者：任圆圆

来源：电子测量技术, 2020, 43(12): 80-84.

DOI：10.19651/j.cnki.emt.2004211

• 公路形变
• 神经网络
• 粒子群优化(PSO)
• 数据预测

为了提高公路变形预测的精度,提出了一种粒子群优化(PSO)的神经网络方法实现公路形变数据预测分析,建立PSO-BP公路形变预测模型,以公路的承载、温度和时效数据为输入,以公路平面的竖向形变位移为输出,PSO优化粒子群体极值PgBest,通过适应度函数获得每个粒子的适应度值,更新粒子的速度和位置,获得BP神经网络的最优初始权值和阈值,BP神经网络按照误差反向传递的方式进行训练,提高BP神经网络的预测精度。最后选取120组公路形变监测数据对算法的应用进行分析,结果表明:与未优化BP神经网络相比,PSO-BP模型的拟合效果较好,与实测值之间的差值小,输出精度高。PSO-BP网络模型进行公路形变预测分析可行。

• 单位
  陕西交通职业技术学院