期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于BP神经网络的坝基岩体分类方法
被引量:
2
下载PDF
职称材料
导出
摘要
随着科学技术的不断创新与发展,越来越多的人工智能技术被应用于岩土工程领域中。文章应用BP人工神经网络建立模型,对影响坝基岩体质量的定性因素通过评分进行半定量化评价,并采用定性因素和定量因素相结合的方法对坝基岩体进行分类。测试结果表明,网络模型能较准确地识别Ⅱ、Ⅲ、Ⅳ类岩体。
作者
崔怀树
机构地区
中国电建集团成都勘测设计研究院有限公司
出处
《中国高新科技》
2018年第24期26-28,共3页
关键词
人工神经网络
坝基岩体
半定量化评价
分类号
TV223 [水利工程—水工结构工程]
引文网络
相关文献
节点文献
二级参考文献
27
参考文献
4
共引文献
64
同被引文献
24
引证文献
2
二级引证文献
6
参考文献
4
1
唐胜传,黄润秋.
岩体质量分类[J]
.西南工学院学报,2001,16(4):40-43.
被引量:27
2
徐建闽,王昊,王祖国,李承中,贺峰.
坝基岩体质量分级影响因素及分级标准[J]
.水利水电技术,2017,48(10):87-92.
被引量:7
3
何翔,李守巨,刘迎曦,周园π.
基于遗传神经网络的坝基岩体渗透系数识别[J]
.岩石力学与工程学报,2004,23(5):751-757.
被引量:29
4
赵红亮,陈剑平.
人工神经网络在澜沧江某电站坝基右岸复杂岩体分类中的应用[J]
.煤田地质与勘探,2003,31(1):31-33.
被引量:6
二级参考文献
27
1
王明年,关宝树.
神经网络在地下工程中的应用[J]
.地下空间,1995,15(2):94-101.
被引量:6
2
李长洪.
岩体分类的灰色聚类理论及应用[J]
.冶金矿山设计与建设,1995,27(2):20-25.
被引量:7
3
陈方泽,陈丙珍,何小荣.
遗传算法与神经网络(Ⅰ)──用改进的遗传算法训练神经网络[J]
.化工学报,1996,47(3):280-286.
被引量:22
4
仵彦卿.
岩体水力学基础(一)──岩体水力学的基本问题[J]
.水文地质工程地质,1996,23(6):24-28.
被引量:17
5
何光渝,郑书英.
渗流力学问题中的数值反演解[J]
.应用力学学报,1997,14(1):113-117.
被引量:5
6
王维钢.高等岩石力学理论[M].北京:冶金工业出版社,1996..
7
张际先 宓霞.神经网络及其在工程中的应用[M].北京:机械工业出版社,1998..
8
黄润秋,王士天等.澜沧江小湾水电站拱坝坝肩岩体及高边坡稳定性研究[R].1995
9
中华人民共和国水利部水利水电工程地质勘察规范[S].北京:中国计划出版社,1999
10
仵彦卿.
岩体水力学基础(七)——岩体水力学参数的确定方法[J]
.水文地质工程地质,1998,25(2):42-48.
被引量:26
共引文献
64
1
徐维生,徐文彬,方涛,丁红瑞.
人工神经网络在渗流分析中的应用综述[J]
.灾害与防治工程,2007(1):51-55.
2
刘树新,张飞.
三维岩体质量的多重分形评价及分类[J]
.岩土力学,2004,25(7):1116-1121.
被引量:16
3
李仁民,刘松玉,方磊.
基于抽水试验的水文地质参数反分析研究[J]
.公路交通科技(应用技术版),2009,5(11):125-128.
4
郝竹林,冯民权,闵涛,谷明礼.
地下水渗流参数反演的微分进化算法[J]
.自然灾害学报,2015,24(1):55-60.
被引量:4
5
顾冲时,赖道平,吴中如,郑东健.
地质缺陷体变形综合模量时变模型研究[J]
.岩石力学与工程学报,2005,24(17):3088-3093.
被引量:2
6
张飞,赵永峰,刘小光.
基于BP神经网络岩体质量评价方法的相关性探讨[J]
.黄金,2005,26(9):22-25.
被引量:3
7
张飞,赵永峰.
基于BP神经网络的岩体分类指标的相关性研究[J]
.包头钢铁学院学报,2005,24(2):99-102.
8
李守巨,上官子昌,刘迎曦,于贺.
地下水渗流模型参数识别的模拟退火算法[J]
.岩石力学与工程学报,2005,24(A01):5031-5036.
被引量:6
9
刘平,周仲华.
纳子峡水电站坝址区工程地质研究与岩体质量评价[J]
.西部探矿工程,2006,18(2):88-90.
10
杨卫国,寇程,王晓民,王立华,王力民.
某输水隧洞应力分布规律[J]
.辽宁工程技术大学学报(自然科学版),2006,25(B06):160-161.
被引量:3
同被引文献
24
1
李明生,刘震.
土层水量平衡模型在土壤墒情预报中的应用[J]
.东北水利水电,2005,23(1):49-51.
被引量:12
2
康绍忠,张富仓,梁银丽.
玉米生长条件下农田土壤水分动态预报方法的研究[J]
.生态学报,1997,17(3):245-251.
被引量:35
3
李珂,吴晓培,吴跃,贾惠波.
用于土壤湿度测量的传感器网络动态采样策略[J]
.电子测量与仪器学报,2011,25(4):338-342.
被引量:14
4
陈坤,雷晓云,李芳松,文静.
基于BP网络的膜下滴灌加工番茄墒情预报研究[J]
.中国农村水利水电,2012(9):1-4.
被引量:2
5
李立刚,张召昕,戴永寿,张亚南,昂扬.
系统辨识中最优采样间隔的确定[J]
.电子设计工程,2013,21(11):24-26.
被引量:2
6
尚松浩,雷志栋,杨诗秀.
冬小麦田间墒情预报的经验模型[J]
.农业工程学报,2000,16(5):31-33.
被引量:52
7
白冬妹,郭满才,郭忠升,陈亚楠.
时间序列自回归模型在土壤水分预测中的应用研究[J]
.中国水土保持,2014(2):42-45.
被引量:21
8
赵丽丽,刘成忠.
基于物联网的蔬菜大棚环境监控系统设计[J]
.甘肃农业大学学报,2014,49(1):151-155.
被引量:9
9
李松,汪圣利.
基于BP神经网络的雷达点迹分类方法[J]
.现代雷达,2018,40(12):52-56.
被引量:10
10
董承全,孟军涛,颜胜才.
岩土工程开挖爆破振动监测分析新方法[J]
.浙江建筑,2015,32(8):37-39.
被引量:1
引证文献
2
1
张武,洪汛,李蒙,宋一帆,金秀.
监测采样间隔对土壤墒情预测模型性能的影响[J]
.甘肃农业大学学报,2020,55(1):221-228.
被引量:2
2
石晨晨,陈宏涛,杨波,周泰安,赵军.
基于人工神经网络的水下爆破振动预测技术[J]
.价值工程,2022,41(34):133-135.
被引量:4
二级引证文献
6
1
高鹏,谢家兴,孙道宗,陈文彬,杨明欣,周平,王卫星.
基于物联网和LSTM的柑橘园土壤含水量和电导率预测模型[J]
.华南农业大学学报,2020,41(6):134-144.
被引量:9
2
朱素杰.
改进卷积神经网络的船舶纹理图形分割方法[J]
.舰船科学技术,2023,45(8):177-180.
被引量:1
3
王超,王银花.
基于BP神经网络的芜湖市社会用电量预测研究[J]
.淮北师范大学学报(自然科学版),2023,44(2):36-41.
被引量:3
4
唐湘隆,唐启,易帅.
基于高程放大效应的爆破振动风险识别程序开发研究[J]
.建筑机械,2024(5):212-218.
5
崔勇,王明国,张战胜,耿荣,王晓媛,王旭敏,李成虎,赵东.
农田土壤墒情监测预报研究进展[J]
.中国防汛抗旱,2024,34(10):54-63.
6
吴志波,刘佳鹏,徐敬元,蒋蔚,薛培,杨思敏,赵俊波.
基于自组织神经网络与元启发式算法的地表爆破振动预测方法[J]
.黄金,2024,45(11):69-74.
1
李瑞鸽,李骞,陈小素,祝东红,王建君,沈君鑫,王颖聪.
基于BP神经网络的年风速极值数据插补及基本风压计算研究[J]
.河南城建学院学报,2018,27(6):15-21.
被引量:1
2
商浩文.
贪污受贿犯罪“但书”规定之出罪机制研究[J]
.江西社会科学,2018,38(11):178-185.
被引量:3
3
赵全胜,张云,熊达云,李春利,张望,王雪萍,何思慎,朱建荣,李恩民,朱志群,殷燕军.
“安倍首相访华与中日关系发展”笔谈[J]
.日本研究,2018,0(4):1-2.
被引量:1
中国高新科技
2018年 第24期
职称评审材料打包下载
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...
;
用户登录
登录
IP登录
使用帮助
返回顶部