期刊文献+

渗透系数反演的CHNN模型方法 被引量:15

Inverse analysis of percolation coefficients by CHNN model
下载PDF
导出
摘要 利用连续型Hopfield神经网络 (ContinuousHopfieldNeuralNetwork ,简称CHNN)的反馈特性 ,结合实测资料和数值计算 ,构建了岩土体渗透系数的人工神经网络反演模型 ,通过网络神经元状态的变迁而最终稳定于平衡状态 ,从而得到渗透系数反演优化计算的结果。经实例验证 ,效果较好。 Based on the inverse characteristics of the continuous Hopfield neural network(CHNN) model, combining with the observed data and numerical calculation results of groundwater level, an artificial neural network inverse analysis model for percolation coefficients of rock and soil body is established. Through employing the properties of self-astringency of net-neural unit to finally trend towards a balance status, an inverse optimal result can be found. It is verified from an illustration that the computed results are in good agreement with the observed data.
出处 《长江科学院院报》 EI CSCD 北大核心 2001年第3期25-28,共4页 Journal of Changjiang River Scientific Research Institute
关键词 连续型Hopfidld网络 渗透系数 CHNN模型 坝基 continuous Hopfield neural network(CHNN) model percolation coefficient inversion
  • 相关文献

参考文献1

共引文献23

同被引文献83

引证文献15

二级引证文献66

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部