基于重标极差法和神经网络的隧道变形趋势判断

基于重标极差法和神经网络的隧道变形趋势判断

任庆国

【期刊名称】《人民长江》

【年(卷),期】2017(048)016

【摘要】为准确、科学及全面地对隧道变形进行趋势判断和预测分析,将隧道的变形过程划分为中期阶段和长期阶段,利用R/S分析对其位移序列和速率序列进行趋势判断研究,再利用PSO-BP神经网络对各阶段的变形进行预测,将预测结果与R/S 分析结果进行对比,验证两者的一致性.利用两个工程实例进行检验,得出各序列的Hurst指数均大于0.5,说明各序列均具有持续变形的长期性,且位移序列的趋势性均大于速率序列的趋势性;同时,变形预测结果也显示隧道后期变形将持续增加,验证了R/S分析的准确性.

【总页数】6页(P54-59)

【作者】任庆国

【作者单位】陕西铁路工程职业技术学院,陕西渭南 714000

【正文语种】中文

【中图分类】U455

【相关文献】

1.基于线性回归与重标极差R/S法的年平均流量变化趋势分析 [J], 金保明

2.基于季节性Kendall检验和重标极差分析法的阳澄湖水质变化趋势分析 [J], 武瑾;金文龙;陈亢利

3.基于误差剔除和重标极差法的滑坡水平变形趋势分析 [J], 王承敏;程涛

4.基于误差剔除和重标极差法的滑坡水平变形趋势分析 [J], 王承敏;程涛

5.基于Mann-Kendall法和重标极差法对大渡河毛头码站降雨趋势的分析 [J], 李燐楷;李文锦;陈志峰;陈坚;顾晓

因版权原因，仅展示原文概要，查看原文内容请购买