论文部分内容阅读
本文采用人工神经网络的方法建立了用于预测隧道围岩破坏模式的遗传神经网络,对用人工智能方法预测隧道围岩破坏模式进行了一次崭新的尝试。文中综合分析了对隧道围岩破坏模式有影响的各种因素，并用统计学中的主成分分析方法分析了影响隧道围岩破坏模式的各种因素，最终确定了影响围岩破坏模式的14个分类指标。BP人工神经网络被认为是最适合于样本分类的模型，而传统的标准BP算法存在着诸如训练速度慢、易陷入局部极小值等问题，针对这些问题，文中给出了改进的方法。此外，如何确定用于预测的合理的神经网络结构也是关键问题，对这一问题的研究，本文采用了遗传算法和神经网络相结合的方法。
本文首先对遗传算法以及人工神经网络理论进行了介绍，然后分析了其各自的优缺点，提出了用遗传算法的全局搜索性来弥补BP神经网络的局部极小的缺陷，建立了用于预测隧道围岩破坏模式的模型。模型首先利用遗传算法对BP神经网络的结构以及权值和阈值进行优化，得到最佳的网络结构之后，再利用BP神经网络进行训练最终得出预测的结果。
文章最后利用MATLAB语言将该模型在计算机上编程实现，并将搜集到的大量的以往的工程实例的相关信息作为训练样本输入模型对模型进行训练，然后再利用已知的工程实例数据对模型进行检测，证明该模型用来预测隧道围岩破坏模式的信息是完全可以满足工程需求的。