开采影响下建筑物损害程度的人工神经网络预测模型

被引：37

作者：

郭文兵

吴财芳

邓喀中

机构：

[1] 焦作工学院资源与材料工程系

[2] 中国矿业大学资源与地球科学学院

[3] 焦作工学院资源与材料工程系焦作

[4] 中国矿业大学环境与测绘学院徐州

[5] 徐州

[6] 焦作

来源：

岩石力学与工程学报 | 2004年 / 04期

关键词：

地下工程; 采动损害; 建筑物; 神经网络; 智能预测;

D O I：

暂无

中图分类号：

TD823.83 [];

学科分类号：

081901 ;

摘要：

在综合分析开采影响下建筑物损坏程度影响因素的基础上,采用自适应BP神经网络技术建立了建筑物采动损坏程度的预测模型。以大量的建筑物采动损坏实例作为学习训练样本和测试样本,对模型预测结果与实际值进行了对比分析。结果表明,用人工神经网络方法预测建筑物采动损害程度是可行的。为开采影响下建筑物损坏程度预测和评价探索出了一种新的方法。

引用

页码：583 / 587

页数：5

共 11 条

[1] 采动岩体分形裂隙网络计算机模拟研究 [J].