国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種節(jié)理巖體單軸強(qiáng)度預(yù)測(cè)方法_2

      文檔序號(hào):9505204閱讀:來(lái)源:國(guó)知局
      成,建立步驟如下:
      [0047] 3-1)建立輸入層:設(shè)立輸入層神經(jīng)元X1-X1。分別將節(jié)理巖體試件的10個(gè)特征值節(jié) 理巖體試件質(zhì)量m、節(jié)理巖體試件直徑d、節(jié)理巖體試件高度h、節(jié)理巖體試件節(jié)理傾角Φ、 節(jié)理巖體試件節(jié)理個(gè)數(shù)η、節(jié)理巖體試件節(jié)理貫通度c、節(jié)理巖體試件切節(jié)理前波速ul、節(jié) 理巖體試件切節(jié)理后波速u2、節(jié)理巖體試件破壞后波速u3和節(jié)理巖體試件峰值應(yīng)變?chǔ)?(:作 為輸入層,根據(jù)輸入向量的維數(shù)確定BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)量N為10 ;
      [0048] 3-2)建立輸出層:設(shè)立節(jié)理巖體的單軸抗壓強(qiáng)度值為輸出向量,根據(jù)輸出向量的 維數(shù)確定BP神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元數(shù)量M為1 ;
      [0049] 3-3)建立隱含層:根據(jù)輸入層和輸出層的神經(jīng)元數(shù)量確定BP神經(jīng)網(wǎng)絡(luò)的中間層 神經(jīng)元的數(shù)量L為(N+M-l)/2 = 5,如圖2所示。
      [0050] 步驟4)中,獲得較為合理的預(yù)測(cè)節(jié)理巖體單軸抗壓強(qiáng)度的BP神經(jīng)網(wǎng)絡(luò)模型的步 驟為:
      [0051] 4-1)歸一化處理:根據(jù)步驟2)中收集節(jié)理巖體試件單軸抗壓強(qiáng)度試驗(yàn)資料和 確定的輸入向量、輸出向量,對(duì)輸入向量和輸出向量進(jìn)行歸一化處理,即基于公式y(tǒng) = (x-x_V(x_-x_)將樣本每列元素歸一化到[0, 1]區(qū)間內(nèi),式中χ_、χ_分別是樣本每列 因素的最大值和最小值,X為每列的各個(gè)元素,y為元素歸一化后的值,如表2所示:
      [0052] 表2 :BP神經(jīng)網(wǎng)絡(luò)歸一化的輸入值和輸出值
      [0054] 4-2)網(wǎng)絡(luò)初始化:根據(jù)步驟3)確定的輸入層神經(jīng)元數(shù)N、隱含層神經(jīng)元數(shù)為L(zhǎng)、輸 出層神經(jīng)元為M,初始化輸入層、隱含層和輸出層神經(jīng)元之間的連接權(quán)值 Wl],w]k,初始化隱 含層閾值a,輸出層閾值b,給定學(xué)習(xí)速率和神經(jīng)元激勵(lì)函數(shù);
      [0055] 4-3)隱含層輸出計(jì)算:根據(jù)輸入向量X,輸入層和隱含層間連接權(quán)值Wl]以及隱含 層閾值a,計(jì)算隱含層輸出H
      [0057] 式中,L為隱含層節(jié)點(diǎn)數(shù);f為隱含層激勵(lì)函數(shù),
      [0058] 4-4)輸出層輸出計(jì)算:根據(jù)隱含層輸出H,連接權(quán)值Wlk和閾值b,計(jì)算BP神經(jīng)網(wǎng) 絡(luò)預(yù)測(cè)輸出〇
      [0060] 4-5)平均相對(duì)誤差計(jì)算:根據(jù)網(wǎng)絡(luò)預(yù)測(cè)輸出0和期望輸出Y,計(jì)算網(wǎng)絡(luò)預(yù)測(cè)平均相 對(duì)誤差e
      [0062] 4-6)權(quán)值更新:根據(jù)網(wǎng)絡(luò)預(yù)測(cè)相對(duì)誤差e,更新網(wǎng)絡(luò)連接權(quán)值&,w_jk。
      [0063] 4-7)以節(jié)理巖體單軸抗壓強(qiáng)度試驗(yàn)值與預(yù)測(cè)值平均相對(duì)誤差作為BP神經(jīng)網(wǎng)絡(luò)誤 差反向傳播算法的輸入數(shù)據(jù)對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行循環(huán)往復(fù)訓(xùn)練,直至輸出的預(yù)測(cè)值與 期望值之間的平均相對(duì)誤差小于設(shè)定閾值,得到訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型,否則返回步驟 4-3)重復(fù)步驟4-3)至4-7)直至輸出的預(yù)測(cè)值與期望值之間的平均相對(duì)誤差小于設(shè)定閾 值,即獲得較為合理的預(yù)測(cè)節(jié)理巖體單軸抗壓強(qiáng)度值的BP神經(jīng)網(wǎng)絡(luò)模型,如圖3所示。
      [0064] 具體過(guò)程如下:
      [0065] 以表1中前21組單軸抗壓試驗(yàn)數(shù)據(jù)作為學(xué)習(xí)樣本進(jìn)行網(wǎng)絡(luò)訓(xùn)練,后4組單軸抗壓 試驗(yàn)數(shù)據(jù)作為測(cè)試樣本進(jìn)行網(wǎng)絡(luò)測(cè)試,依次進(jìn)行步驟4-1) 一步驟4-7)。以平均相對(duì)誤差小 于設(shè)定的閾值作為控制條件,不斷循環(huán)步驟4-3) -步驟4-7),直至最終得到較為合理的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。學(xué)習(xí)樣本的平均相對(duì)誤差值為0.1317,小于設(shè)定的閾值0.1400。測(cè)試 數(shù)據(jù)的平均相對(duì)誤差值為〇. 0352,也小于設(shè)定閾值0. 1400,即獲得較為合理的預(yù)測(cè)節(jié)理巖 體單軸抗壓強(qiáng)度值的BP神經(jīng)網(wǎng)絡(luò)模型。
      [0066] 上述實(shí)施例建立的較為合理的預(yù)測(cè)節(jié)理巖體的BP神經(jīng)網(wǎng)絡(luò)模型,對(duì)表1的學(xué)習(xí)樣 本和測(cè)試樣本進(jìn)行仿真,檢驗(yàn)建立的網(wǎng)絡(luò)模型對(duì)結(jié)果的逼近效果,由預(yù)測(cè)結(jié)果可計(jì)算出節(jié) 理巖體單軸抗壓強(qiáng)度試驗(yàn)值與預(yù)測(cè)值得相關(guān)系數(shù)為0. 9504X). 95,滿足預(yù)測(cè)精度要求。建立 的網(wǎng)絡(luò)模型擬合預(yù)測(cè)效果如圖4所示。
      [0067] 從圖4可以看出,所建立的較為合理的節(jié)理巖體單軸抗壓強(qiáng)度的BP神經(jīng)網(wǎng)絡(luò)模型 能夠很好地預(yù)測(cè)節(jié)理巖體單軸抗壓強(qiáng)度值。
      【主權(quán)項(xiàng)】
      1. 一種節(jié)理巖體單軸強(qiáng)度預(yù)測(cè)方法,其特征在于該方法包括以下步驟: 1) 研究節(jié)理巖體試件單軸抗壓強(qiáng)度試驗(yàn)所記錄的數(shù)據(jù)和結(jié)果,確定影響抗壓強(qiáng)度值的 各主要因素; 2) 收集節(jié)理巖體試件單軸抗壓強(qiáng)度試驗(yàn)資料,獲得步驟1)確定的各主要因素的信息 構(gòu)成輸入向量,將其對(duì)應(yīng)的節(jié)理巖體單軸抗壓強(qiáng)度構(gòu)成輸出向量,組建神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本 和測(cè)試樣本; 3) 根據(jù)步驟2)的輸入向量、輸出向量建立出符合節(jié)理巖體單軸抗壓預(yù)測(cè)強(qiáng)度的BP神 經(jīng)網(wǎng)絡(luò)模型,并根據(jù)實(shí)際預(yù)測(cè)精度要求,設(shè)定誤差閾值; 4) 根據(jù)步驟3)所建立的BP神經(jīng)網(wǎng)絡(luò)模型,以節(jié)理巖體單軸抗壓強(qiáng)度試驗(yàn)值與預(yù)測(cè)值 的平均相對(duì)誤差作為BP神經(jīng)網(wǎng)絡(luò)誤差反向傳播算法的輸入數(shù)據(jù)對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行循 環(huán)往復(fù)訓(xùn)練,直至輸出的預(yù)測(cè)值與期望值之間的誤差小于設(shè)定閾值,得到訓(xùn)練后較為合理 的BP神經(jīng)網(wǎng)絡(luò)模型; 5) 將節(jié)理巖體試件的影響單軸抗壓強(qiáng)度值的各主要因素信息的輸入向量輸入步驟4) 獲得的較為合理的預(yù)測(cè)節(jié)理巖體單軸抗壓強(qiáng)度的BP神經(jīng)網(wǎng)絡(luò)模型中,即可得到該節(jié)理巖 體試件的單軸抗壓強(qiáng)度值。2. 根據(jù)權(quán)利要求1所述的一種節(jié)理巖體單軸強(qiáng)度預(yù)測(cè)方法,其特征在于步驟1)中,確 定的影響節(jié)理巖體抗壓強(qiáng)度值的各主要因素為:質(zhì)量m、直徑d、高度h、節(jié)理傾角Φ、節(jié)理個(gè) 數(shù)η、節(jié)理貫通度c、試驗(yàn)試件切節(jié)理前波速ul、切節(jié)理后波速u2、試驗(yàn)試件破壞后波速u3、 峰值應(yīng)變?chǔ)與〇3. 根據(jù)權(quán)利要求2所述的一種節(jié)理巖體單軸強(qiáng)度預(yù)測(cè)方法,其特征在于步驟3)建立的 BP神經(jīng)網(wǎng)絡(luò)模型由輸入層、隱含層、輸出層組成,建立步驟如下: 3-1)建立輸入層:設(shè)立輸入層神經(jīng)元1-?。分別將節(jié)理巖體試件的10個(gè)特征值節(jié)理巖 體試件質(zhì)量m、節(jié)理巖體試件直徑d、節(jié)理巖體試件高度h、節(jié)理巖體試件節(jié)理傾角Φ、節(jié)理 巖體試件節(jié)理個(gè)數(shù)η、節(jié)理巖體試件節(jié)理貫通度c、節(jié)理巖體試件切節(jié)理前波速ul、節(jié)理巖 體試件切節(jié)理后波速u2、節(jié)理巖體試件破壞后波速u3和節(jié)理巖體試件峰值應(yīng)變?chǔ)與作為輸 入層,根據(jù)輸入向量的維數(shù)確定ΒΡ神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)量Ν為10 ; 3-2)建立輸出層:設(shè)立節(jié)理巖體的單軸抗壓強(qiáng)度值為輸出向量,根據(jù)輸出向量的維數(shù) 確定ΒΡ神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元數(shù)量Μ為1 ; 3- 3)建立隱含層:根據(jù)輸入層和輸出層的神經(jīng)元數(shù)量確定ΒΡ神經(jīng)網(wǎng)絡(luò)的中間層神經(jīng) 元的數(shù)量L為(N+M-l)/2 = 5。4. 根據(jù)權(quán)利要求3所述的一種節(jié)理巖體單軸強(qiáng)度預(yù)測(cè)方法,其特征在于步驟4)中,獲 得較為合理的預(yù)測(cè)節(jié)理巖體單軸抗壓強(qiáng)度的ΒΡ神經(jīng)網(wǎng)絡(luò)模型的步驟為: 4- 1)歸一化處理:根據(jù)步驟2)中收集節(jié)理巖體試件單軸抗壓強(qiáng)度試驗(yàn)資料和確定的 輸入向量、輸出向量,對(duì)輸入向量和輸出向量進(jìn)行歸一化處理; 4-2)網(wǎng)絡(luò)初始化:根據(jù)步驟3)確定的輸入層神經(jīng)元數(shù)Ν、隱含層神經(jīng)元數(shù)為L(zhǎng)、輸出層 神經(jīng)元為Μ,初始化輸入層、隱含層和輸出層神經(jīng)元之間的連接權(quán)值Wl],w]k,初始化隱含層 閾值a,輸出層閾值b,給定學(xué)習(xí)速率和神經(jīng)元激勵(lì)函數(shù); 4-3)隱含層輸出計(jì)算:根據(jù)輸入向量X,輸入層和隱含層間連接權(quán)值Wl]以及隱含層閾 值a,計(jì)算隱含層輸出Η J 釦.1."式中,L為隱含層節(jié)點(diǎn)數(shù);f為隱含層激勵(lì)函數(shù),./_(.ν) = ·Γ1- ; l + e 4-4)輸出層輸出計(jì)算:根據(jù)隱含層輸出H,連接權(quán)值wlk和閾值b,計(jì)算BP神經(jīng)網(wǎng)絡(luò)預(yù) 測(cè)輸出〇 產(chǎn)丄4-5)平均相對(duì)誤差計(jì)算:根據(jù)網(wǎng)絡(luò)預(yù)測(cè)輸出0和期望輸出Y,計(jì)算網(wǎng)絡(luò)預(yù)測(cè)平均相對(duì)誤 差e4-6)儀但更新:很據(jù)FJ塔頂測(cè)ffl對(duì)誤左e,更新網(wǎng)絡(luò)連接權(quán)值Wlj,wjk。 4-7)以節(jié)理巖體單軸抗壓強(qiáng)度試驗(yàn)值與預(yù)測(cè)值平均相對(duì)誤差作為BP神經(jīng)網(wǎng)絡(luò)誤差反 向傳播算法的輸入數(shù)據(jù)對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行循環(huán)往復(fù)訓(xùn)練,直至輸出的預(yù)測(cè)值與期望 值之間的平均相對(duì)誤差小于設(shè)定閾值,得到訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型,否則返回步驟4-3) 重復(fù)步驟4-3)至4-7)直至輸出的預(yù)測(cè)值與期望值之間的平均相對(duì)誤差小于設(shè)定閾值,即 獲得較為合理的預(yù)測(cè)節(jié)理巖體單軸抗壓強(qiáng)度值的BP神經(jīng)網(wǎng)絡(luò)模型。
      【專利摘要】一種節(jié)理巖體單軸強(qiáng)度預(yù)測(cè)方法,該方法包括以下步驟:1)確定各主要因素;2)組建神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本和測(cè)試樣本;3)設(shè)定誤差閾值;4)對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行循環(huán)往復(fù)訓(xùn)練,直至輸出的預(yù)測(cè)值與期望值之間的誤差小于設(shè)定閾值,得到訓(xùn)練后較為合理的BP神經(jīng)網(wǎng)絡(luò)模型;5)將節(jié)理巖體試件的影響單軸抗壓強(qiáng)度值的各主要因素信息輸入較為合理的預(yù)測(cè)節(jié)理巖體單軸抗壓強(qiáng)度的BP神經(jīng)網(wǎng)絡(luò)模型中,即可得到該節(jié)理巖體試件的單軸抗壓強(qiáng)度值。本發(fā)明提供的一種基于BP神經(jīng)網(wǎng)絡(luò)模型的節(jié)理巖體單軸強(qiáng)度預(yù)測(cè)方法,能夠避免節(jié)理巖體復(fù)雜參數(shù)求解,并能夠準(zhǔn)確、快速地得到節(jié)理巖體單軸抗壓強(qiáng)度值,同時(shí)能夠滿足節(jié)理巖體單軸抗壓試驗(yàn)的需要。
      【IPC分類】G06N3/08, G01N33/24, G06N3/02
      【公開(kāi)號(hào)】CN105259331
      【申請(qǐng)?zhí)枴緾N201510749937
      【發(fā)明人】胡安龍, 王孔偉, 李建林, 肖志勇, 唐芳艷, 李春波, 常德龍
      【申請(qǐng)人】三峽大學(xué)
      【公開(kāi)日】2016年1月20日
      【申請(qǐng)日】2015年11月6日
      當(dāng)前第2頁(yè)1 2 
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1