基于遺傳算法的BP神經(jīng)網(wǎng)絡在橋梁安全評估中的應用

基于遺傳算法的BP神經(jīng)網(wǎng)絡在橋梁安全評估中的應用

ID:36621236

大?。?59.60 KB

頁數(shù):4頁

時間:2019-05-13

基于遺傳算法的BP神經(jīng)網(wǎng)絡在橋梁安全評估中的應用_第1頁
基于遺傳算法的BP神經(jīng)網(wǎng)絡在橋梁安全評估中的應用_第2頁
基于遺傳算法的BP神經(jīng)網(wǎng)絡在橋梁安全評估中的應用_第3頁
基于遺傳算法的BP神經(jīng)網(wǎng)絡在橋梁安全評估中的應用_第4頁
資源描述:

《基于遺傳算法的BP神經(jīng)網(wǎng)絡在橋梁安全評估中的應用》由會員上傳分享,免費在線閱讀,更多相關內(nèi)容在學術論文-天天文庫。

1、基于遺傳算法的BP神經(jīng)網(wǎng)絡在橋梁安全評估中的應用程高,劉永健,周曠,劉世忠83基于遺傳算法的BP神經(jīng)網(wǎng)絡在橋梁安全評估中的應用程高,劉永健,周曠。,劉世忠。(1.長安大學橋梁與隧道陜西省重點實驗室,陜西西安710064;2.西北工業(yè)大學應用數(shù)學系,陜西西安710072;3.太原科技大學交通與物流學院,山西太原030024)摘要:為對橋梁的安全性進行科學準確的評估,基于遺傳算法與BP神經(jīng)網(wǎng)絡提出了一種新的橋梁安全評估方法。該算法采用遺傳算法和誤差反向傳播算法(BP)相結合的混合算法來訓練前饋神經(jīng)網(wǎng)絡,即先用遺傳算法進行全局訓練,再用BP算法進行局部精確訓練,既

2、克服了傳統(tǒng)BP網(wǎng)絡訓練時間長,易陷入局部極值的缺點,又提高了全局收斂的效率。采用該算法對一座懸索橋——宜昌長江大橋的安全性進行評估,并與專家評估結果進行對比分析。結果證明,該算法收斂速度快,預測精度高,為橋梁的安全評估提供了一種新思路。關鍵詞:橋梁工程;安全評估;遺傳算法;BP神經(jīng)網(wǎng)絡;應用中圖分類號:U447文獻標志碼:A文章編號:1671—7767(2012)05—0083—041引言BP神經(jīng)網(wǎng)絡相結合,提出了一種新的橋梁安全評估橋梁是確保道路暢通的關鍵與控制部位,是交方法,即利用遺傳算法尋優(yōu)的全局性,采用遺傳算法通運輸?shù)难屎?。為提供安全、舒適的行駛環(huán)境

3、,保證來訓練網(wǎng)絡(克服傳統(tǒng)BP網(wǎng)絡易陷入局部極值的橋梁正常運營,必須對橋梁的安全性進行合理準確缺點),再用BP算法進行精確求解,該方法具有收的評估,從而為橋梁養(yǎng)護管理工作提供科學依據(jù)。斂速度快,預測精度高等優(yōu)點。結合文獻I-4]建立的目前存在多種橋梁安全評估方法,文獻Eli采用宜昌長江大橋(懸索橋)的安全評估模型及專家評估層次分析法建立了斜拉橋的評價指標體系;文獻I-2]結果,通過對比分析,驗證該方法的正確性與合基于模糊神經(jīng)網(wǎng)絡理論開發(fā)了既有混凝土橋梁技術理性。狀態(tài)等級評估系統(tǒng);文獻[3]將模糊理論與神經(jīng)網(wǎng)絡相結合應用于鋼管混凝土拱橋的安全評估;文獻[4]2

4、基于遺傳算法的BP神經(jīng)網(wǎng)絡理論.引入模糊神經(jīng)網(wǎng)絡開發(fā)了斜拉橋安全性與耐久性評2.1基于遺傳算法的BP神經(jīng)網(wǎng)絡結構價系統(tǒng);文獻E5]用模糊神經(jīng)網(wǎng)絡對大跨度懸索橋進BP神經(jīng)網(wǎng)絡是一種多層前饋神經(jīng)網(wǎng)絡,是目前行了整體安全性評估;文獻E6]用人工神經(jīng)網(wǎng)絡法評應用最廣泛的神經(jīng)網(wǎng)絡模型之一,該網(wǎng)絡的主要特估了橋梁缺損狀況。此外,還有學者將灰色理論用點是信號前向傳遞,誤差反射傳播。BP神經(jīng)網(wǎng)絡使于斜拉索構件的安全評估啪。從國內(nèi)、外近年研究用最速下降法,利用遺傳算法根據(jù)訓練目標函數(shù)對現(xiàn)狀來看,由于原有的層次分析法存在評價指標體網(wǎng)絡權值進行迭代,找到最佳初始網(wǎng)絡權值。通過系不

5、完整、評價結果粗糙等缺點,而神經(jīng)網(wǎng)絡對解決反向傳播來不斷調(diào)整網(wǎng)絡權值,使網(wǎng)絡的誤差平方非線性問題有強大且準確的映射能力,因而被越來和最小。該系統(tǒng)的網(wǎng)絡結構如圖1所示,先對橋梁越廣泛地應用于橋梁安全評估領域中。但由于神經(jīng)的安全評估指標進行分類,抽取特征指標,作為輸入網(wǎng)絡的初始權值是隨機給定的,每次訓練的次數(shù)及信息送入一個具有輸入層、中間層和輸出層的三層最終權值會略有不同,從而會造成網(wǎng)絡尋優(yōu)不具有網(wǎng)絡進行訓練。經(jīng)過訓練后的網(wǎng)絡,成為穩(wěn)定的模惟一性,易出現(xiàn)局部極??;另一方面,初始權值給定式評估器,即可輸出評估結果l_g。的“盲目性”會導致訓練次數(shù)較多,收斂極慢,效

6、率較該模型的輸入層節(jié)點數(shù)為7"/,即橋梁安全評估低。指標數(shù);中問層節(jié)點數(shù)為z;輸出層節(jié)點數(shù)為1,即橋鑒于神經(jīng)網(wǎng)絡的以上缺點,本文將遺傳算法與梁安全評估結果值;和∞,為BP神經(jīng)網(wǎng)絡權值;初收稿日期:gOl1—07—26基金項目:江西省交通運輸廳重點科技項目(2010C00003)作者簡介:程~(1988一),男,博士研究生,2010年畢業(yè)于長安大學交通運輸專業(yè),工學學士(E—mail:chenggaocg@163.corn)。84世界橋梁2012,40(5)(4)交叉操作。由于個體采用實數(shù)編碼,所以交叉操作方法采用實數(shù)交叉法,第k個染色體A和第z個染色體A在J

7、位的交叉操作方法見式(3)。Aks—A‘一6+Aobl(3)A“一A(1—6)+A,bj(5)變異操作。選取第i個個體的第J個基因A進行變異,變異操作方法見式(4)。輸八層節(jié)點i中間層節(jié)最,輸入層節(jié)點fA+(A—A?)×f(g)r>o.5圖1基于遺傳算法的BP神經(jīng)網(wǎng)絡拓撲結構lA+(A?一A,)×(g)r≤o.5始化隱含層閾值為a,輸出層閾值為b,由此可給定(4)學習速率和神經(jīng)元激勵函數(shù)。由圖1可知,BP神經(jīng)式中,A?、A?分別為基因A的上、下界;,(g)一網(wǎng)絡可以看成一個非線性函數(shù),網(wǎng)絡輸入值和輸出r。(1一g/G?)。,其中r為一個隨機數(shù),g為當前迭值分

8、別為該函數(shù)的自變量和因變量。當輸人層節(jié)點代次數(shù),G為

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。