不同神经网络在岩体质量分级中的应用与比较
详细信息 本馆镜像全文    |  推荐本文 | | 获取馆网全文
摘要
在使用统一的学习和测试数据的基础上,通过在MATLAB人工神经网络工具箱中进行模拟计算,比较了BP神经网络、概率神经网络、学习矢量量化神经网络和Elman神经网络在模式分类方面的异同和优劣,分析了这4种神经网络的适用条件,为人工神经网络方法在岩体质量分级中的应用提供了有益的借鉴和参考。
On the basis of using the same training and testing data,through simulating calculation done in MATLAB artificial neural network toolbox,similarities and differences,advantages and disadvantages of BP neural network,probabilistic neural network,learning vector quantization neural network and Elman neural network on pattern classification aspect were compared.Applicable conditions of these four kinds of neural network were analyzed.It provides useful reference for artificial neural network method in the application of rock mass quality classification.
引文
[1]丛爽.面向MATLAB工具箱的神经网络理论与应用[M].3版.合肥:中国科学技术大学出版社,2009.
    [2]史忠植.神经网络[M].北京:高等教育出版社,2009.
    [3]罗晓曙.人工神经网络理论[M].广西:广西师范大学出版社,2005.
    [4]吴微,周春光,梁艳春.智能计算[M].北京:高等教育出版社,2009.
    [5]冯夏庭,王泳嘉.采矿工程智能系统:人工智能与神经网络在矿业中的应用[M].北京:冶金工业出版社,1994.
    [6]林韵梅.岩石分级的理论与实践[M].北京:冶金工业出版社,1996.
    [7]郝哲,王来贵,王振伟,等.公路隧道岩体分级的神经网络方法[J].岩石力学与工程学报,2005(A01):5248-5255.
    [8]刘刚.BP神经网络在隧道围岩稳定性分类中的应用[J].城市勘测,2012(2):167-169.
    [9]李强.BP神经网络在工程岩体质量分级中的应用研究[J].西北地震学报,2002(3):220-224.
    [10]于德海,彭建兵.地下工程围岩分类的神经网络可视化评价[J].中国地质灾害与防治学报,2005(4):116-119.
    [11]高志亮,黄松奇.公路隧道围岩稳定性评价的改进人工神经网络方法[J].数学的实践与认识,2002(2):66-71.
    [12]周盛全,吴基文.基于人工神经网络的隧道围岩稳定性分类[J].安徽理工大学学报:自然科学版,2012(3):11-15.
    [13]傅鹤林,范臻辉,刘宝琛.人工神经网络模型及其在隧道围岩分类中的应用[J].化工矿物与加工,2002(6):20-22.
    [14]朱凯,王正林.精通MATLAB神经网络[M].北京:电子工业出版社,2010.
    [15]冯夏庭,王丽娜.利用神经网络学习的岩体分级[J].东北工学院学报,1993(3):226-230.
    [16]MATLAB中文论坛.MATLAB神经网络30个案例分析[M].北京:北京航空航天大学出版社,2010.
    [17]鲍军鹏,张选平.人工智能导论[M].北京:机械工业出版社,2010.

版权所有:© 2023 中国地质图书馆 中国地质调查局地学文献中心