董建华
- 作品数：8 被引量：47H指数：4
- 供职机构：辽宁科技大学土木工程学院更多>>
- 发文基金：国家自然科学基金辽宁省教育厅基金辽宁省教育厅高等学校科学研究项目更多>>
- 相关领域：建筑科学交通运输工程矿业工程更多>>
- 基于BCABC-SVM的边坡稳定性预测被引量：7
- 2016年
- 为了准确地对边坡稳定性进行预测,采用支持向量机(SVM)建立边坡稳定性和影响因素之间的非线性关系.针对支持向量机参数对预测效果的影响,采用基于细菌趋化的蜂群算法(BCABC)对其进行优化选择,提出了边坡稳定性预测的细菌趋化的蜂群优化支持向量机模型.运用该方法对边坡实例进行预测,预测结果与边坡稳定性实际状态相吻合,结果表明,基于细菌趋化的蜂群优化支持向量机模型在边坡稳定性评价中具有一定的可靠性和有效性.
- 胡军王凯凯董建华
- 关键词：边坡稳定蜂群算法微粒群算法支持向量机参数选择
- 边坡稳定性的CPSO-BP模型研究被引量：28
- 2016年
- 为了分析边坡的稳定性,利用协调粒子群算法和BP网络建立了边坡稳定性CPSO-BP预测模型。BP网络能够很好地描述边坡稳定性与其影响因素之间复杂的非线性关系,将内摩擦角、边坡角、岩石重度、边坡高度、黏聚力、孔隙压力比6个主要影响因素作为网络的输入,将边坡稳定性系数作为网络的输出。为避免BP网络陷入局部最优,利用协调粒子群算法的全局优化能力确定BP网络的连接权值和阀值,使BP网络的优势得到分发挥,达到提高模型预测精度目的。实例表明CPSO-BP模型有更好地预测精度以及将其应用于边坡稳定性预测是可行的。
- 胡军董建华王凯凯黄贵臣
- 关键词：粒子群算法BP神经网络边坡
- 文化鱼群优化支持向量机在隧道围岩变形预测中的应用被引量：5
- 2016年
- 建立了隧道围岩变形预测的基于时间序列的支持向量机模型。针对支持向量机(SVM)的参数选择问题,运用文化鱼群算法(CAAF)来搜索支持向量机的相关参数,避免了人工搜索参数的盲目性,提高了模型的推广性能。该模型首先将实例中隧道围岩变形的样本数据进行时间序列处理,构建学习和预测样本,再利用文化鱼群优化的支持向量机模型进行预测。与BP神经网络预测结果相比,该方法运算速度快、预测精度高,对实际工程具有更高的适用性。
- 胡军王凯凯董建华
- 关键词：隧道围岩变形支持向量机参数选择
- 基于改进粒子群优化算法的边坡稳定性分析
- 滑坡是一种不仅给人类带来威胁,而且还对环境、资源等具有破坏性的重要地质灾种。因此,如何经济、安全可靠地设计合理的边坡工程或分析评价边坡的稳定性,其重大意义越发显得突出。BP神经网络有非线性好、自学习能力、泛化能力强等优点...
- 董建华
- 关键词：边坡稳定性神经网络粒子群算法
- 文献传递
- AVO岩性参数反演的改进人工鱼群算法研究被引量：2
- 2017年
- 为及时获取地震岩性参数,提出了基于动物自治体模型的人工鱼群算法进行参数反演。该方法对鱼群算法采取分阶段策略进行改进,并增加了跳跃与吞食行为,从而使鱼群更容易跳出局部最优得到性能优化。对振幅随炮检距变化(AVO)的实际数据参数反演的结果表明,与标准人工鱼群算法相比,改进的鱼群算法的反演精度与寻优时间都得到很大改进,表现出更强的寻优泛化能力。
- 胡军王凯凯董建华黄贵臣
- 关键词：人工鱼群算法
- 多策略PSO-BP算法在尾矿坝监测系统中的应用被引量：1
- 2015年
- BP网络能较好地解决尾矿坝监测系统的预报问题,但容易陷入局部极小值;PSO算法具有全局优化的特点,对PSO算法改进后更加突出了这一特性,将改进后的PSO算法与BP网络结合弥补BP网络的缺陷,从而得到全局最优解。把多策略PSO-BP算法用在尾矿坝的监测系统中,通过以往收集的数据,对尾矿坝体上各个测点的水位规律进行模拟,了解坝体浸润线规律,并预测下一级坝体的浸润线情况,为尾矿坝的稳定性提供依据。以齐大山尾矿库为例,证明了该算法应用在尾矿坝的监测系统上能取得较好的效果。
- 胡军董建华袁永涛
- 关键词：粒子群算法尾矿坝稳定性BP网络
- 隧道洞室地基稳定性双阶段多策略粒子群BP网络模型研究
- 2017年
- 影响隧道洞室地基稳定性的因素众多,这些因素与隧道洞室地基稳定性之间存在着复杂的非线性关系,并且常规的方法很难描述这种复杂的关系。文章提出了一种双阶段多策略粒子群算法(DMPSO)优化的BP神经网络隧道洞室地基稳定性评价模型。粒子群算法具有全局优化能力强、搜索效率高等特点,算法改进后使这些特点更加突出。BP算法有很强的非线性映射能力、泛化能力,但也有收敛速度慢,容易陷入局部最优等缺陷。采用双阶段多策略粒子群算法(DMPSO)搜索BP模型的权值和阈值,弥补了BP模型的缺陷,提高了其预测的准确度。文章以重庆小什字车站洞室地基为例,证明了双阶段多策略粒子群算法优化的BP神经网络模型(DMPSO-BP)的可行性,并且该模型比模糊神经网络和粒子群优化的BP神经网络(PSO-BP)模型有更好的预测精度。
- 胡军董建华王凯凯
- 关键词：粒子群算法BP神经网络地基稳定性
- 改进PSO-BP算法在隧道洞室地基稳定性中的应用
- 2015年
- 隧道洞室稳定性问题是一个复杂的非线性力学问题,常规的方法很难描述这种复杂的非线性关系。为及时评价隧道洞室地基的稳定性,以便采取合理的开挖方案,提出了改进PSO-BP算法对其稳定性进行预测的方法。粒子群算法具有搜索速度快、效率高、算法简单等优点。BP算法有很强的非线性映射能力、泛化能力等功能,但其容易陷入局部最优。采用PSO算法克服BP神经网络的缺陷,提高BP网络模型预测精度。以重庆小什字车站洞室为例,验证了改进PSO-BP算法能够快速、准确地获取不同方案下的洞室地基安全系数,且预测结果比模糊神经网络预测结果要好,证明了该方法的可行性。
- 胡军董建华王凯凯
- 关键词：粒子群BP神经网络
