摘要：为了实现地铁隧道沉降的准确预测,针对传统方法和常用智能方法预测精度不高、适用性不强等问题,建立基于改进粒子群和广义回归神经网络的隧道沉降预测模型。模型引入随机变异因子以克服粒子群算法早熟收敛和后期搜索效率不高的缺陷。通过与GRNN、普通PSO-GRNN和PSO-BP模型进行对比,验证了改进算法的有效性和所建模型的优越性。以长沙地铁隧道为例进行沉降预测发现：预测值与实测值相差1.04 mm,相对误差为4.05%,预测精度高,满足工程需要。
分类：期刊> 自然科学与工程技术> 基础科学> 基础科学综合
收录：CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：地铁隧道 沉降预测 改进粒子群算法 广义回归神经网络
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
